Точность расчетов в Python 3

1

В Python я получаю неожиданный результат простого вычисления:

100 - 123.123

Возвращает:
-23 0,123000000000005

Я ожидал -23.123 как выход.

Поэтому я попробовал:

import numpy as np
np.float64(100) - np.float64(123.123)

Возвращает:
-23 0,123000000000005

Я ожидал -23.123 как выход.

Любые предложения по получению более точных/точных результатов?

Теги:
numpy
precision

2 ответа

3
Лучший ответ

У вас есть определение этого эффекта в документе python:

https://docs.python.org/2/tutorial/floatingpoint.html

вы можете отформатировать результат печати, чтобы иметь 3 цифры, которые вы хотите:

print("%.3f" % np.float64(100) - np.float64(123.123))
Поделиться
  • 0
    При всем уважении, эта публикация не повышает точность результата (как это было задано O / P), форматирование просто обрезает внутреннюю неточность, которую нельзя увидеть визуально, что скорее является препятствием для O / P попросил , не так ли?
2

Любые предложения по получению более точных/точных результатов?

Конечно, несколько вариантов, доступных для использования re-.

Проблема заключается не в том, как выглядит число, а в том, как оно технически представляется "внутри" процесса вычислений. Стандартная спецификация IEEE для чисел с числовыми числами с плавающей запятой технически довольно "короткая", как только видится в некотором просто незначительно глубоком итеративном номере (re-), и, таким образом, python, а также другие языки имеет расширенное представление числа чисел + инструменты обработки (произвольная точность математики) - возьмите o look:

decimal модуль: мой любимый

несколько лет назад я сделал некоторые действительно расширенные вычисления точности (за пределами 1000 знаков после запятой из-за очень уродливой обусловленной проблемы, используя десятичные функции pu re- с созданием даже массивов numpy (как класс хранения) + scipy.optimize.fmin_l_bfgs() решатели продолжают работать с ними, а также остаются в пределах этих расширенных преференций... cool)

import decimal

decX = np.asarray( ( decimal.Decimal(  3.4 ), decimal.Decimal(  3.5 ), decimal.Decimal(  3.7 ), decimal.Decimal(   4.3 ), ) )
decY = np.asarray( ( decimal.Decimal( 65   ), decimal.Decimal( 85   ), decimal.Decimal( 97   ), decimal.Decimal( 100   ), ) )

def pure_dec_LSQ_5DoF( decCTX,                                                Xopt,                                                decX_measured,                            decY_measured ):                            # [PERF] ~ 2400 [us] @ .prec =   14
    return decCTX.add( decCTX.add( decCTX.power( decCTX.subtract( decCTX.fma( Xopt[0], decCTX.power( Xopt[4], decCTX.fma( Xopt[1], decX_measured[0], Xopt[2] ) ), Xopt[3] ), decY_measured[0] ), decimal.Decimal( 2 ) ), #        ~ 2800 [us] @ .prec =   28
                                   decCTX.power( decCTX.subtract( decCTX.fma( Xopt[0], decCTX.power( Xopt[4], decCTX.fma( Xopt[1], decX_measured[1], Xopt[2] ) ), Xopt[3] ), decY_measured[1] ), decimal.Decimal( 2 ) )  #        ~ 7700 [us] @ .prec =  100
                                   ),                                                                                                                                                                                    #        ~ 1340 [ms] @ .prec = 1000
                       decCTX.add( decCTX.power( decCTX.subtract( decCTX.fma( Xopt[0], decCTX.power( Xopt[4], decCTX.fma( Xopt[1], decX_measured[2], Xopt[2] ) ), Xopt[3] ), decY_measured[2] ), decimal.Decimal( 2 ) ), #
                                   decCTX.power( decCTX.subtract( decCTX.fma( Xopt[0], decCTX.power( Xopt[4], decCTX.fma( Xopt[1], decX_measured[3], Xopt[2] ) ), Xopt[3] ), decY_measured[3] ), decimal.Decimal( 2 ) )  #
                                   )
                       )

Разумеется, 1000 знаков после запятой много, но каждый платит со временем, чтобы позволить численный процесс выполняться до этих глубин без потери точности.

>>> with decimal.localcontext() as locCTX:
       ...      for aPREC in range( 20, 31 ):
       ...          locCTX.prec = aPREC
       ...          ( pure_dec_LSQ_5DoF( locCTX,
                                         dec_fmin_x0_SEARCH_TRIM_TO_BE_PRECISE,
                                         decX,
                                         decY
                                         ),
                      pure_dec_RESi(     locCTX,
                                         dec_fmin_x0_SEARCH_TRIM_TO_BE_PRECISE,
                                         decX,
                                         decY
                                         )
                      )
       ...
       (Decimal('0.038471115298826195147'),           (Decimal('0.023589050081780503'),           Decimal('-0.082605913918299990'),           Decimal('0.150647690402532134'),           Decimal('-0.091630826566012630')))
       (Decimal('0.0384711152988261953165'),          (Decimal('0.0235890500817804889'),          Decimal('-0.0826059139182999933'),          Decimal('0.1506476904025321349'),          Decimal('-0.0916308265660126301')))
       (Decimal('0.03847111529882619531420'),         (Decimal('0.02358905008178048823'),         Decimal('-0.08260591391829999331'),         Decimal('0.15064769040253213501'),         Decimal('-0.09163082656601263007')))
       (Decimal('0.038471115298826195324048'),        (Decimal('0.023589050081780488368'),        Decimal('-0.082605913918299993309'),        Decimal('0.150647690402532135021'),        Decimal('-0.091630826566012630071')))
       (Decimal('0.0384711152988261953231489'),       (Decimal('0.0235890500817804883582'),       Decimal('-0.0826059139182999933087'),       Decimal('0.1506476904025321350199'),       Decimal('-0.0916308265660126300707')))
       (Decimal('0.03847111529882619532322276'),      (Decimal('0.02358905008178048835950'),      Decimal('-0.08260591391829999330863'),      Decimal('0.15064769040253213501998'),      Decimal('-0.09163082656601263007070')))
       (Decimal('0.038471115298826195323213788'),     (Decimal('0.023589050081780488359358'),     Decimal('-0.082605913918299993308625'),     Decimal('0.150647690402532135019974'),     Decimal('-0.091630826566012630070702')))
       (Decimal('0.0384711152988261953232136753'),    (Decimal('0.0235890500817804883593541'),    Decimal('-0.0826059139182999933086251'),    Decimal('0.1506476904025321350199740'),    Decimal('-0.0916308265660126300707023')))
       (Decimal('0.03847111529882619532321367314'),   (Decimal('0.02358905008178048835935336'),   Decimal('-0.08260591391829999330862505'),   Decimal('0.15064769040253213501997413'),   Decimal('-0.09163082656601263007070231')))
       (Decimal('0.038471115298826195323213665675'),  (Decimal('0.023589050081780488359353229'),  Decimal('-0.082605913918299993308625043'),  Decimal('0.150647690402532135019974132'),  Decimal('-0.091630826566012630070702306')))
       (Decimal('0.0384711152988261953232136649869'), (Decimal('0.0235890500817804883593532187'), Decimal('-0.0826059139182999933086250437'), Decimal('0.1506476904025321350199741307'), Decimal('-0.0916308265660126300707023064')))

Был способным довести процесс поиска до минимума:

dec_fmin_x0_SEARCH_ADAPTIVE = np.asarray( (                     decimal.Decimal( -101000000010553.05594055493064099456356276561617988943684402001075635                                                                                                                                                                                        ),
                                                                decimal.Decimal(               -8.660605201193546246                                                                                                                                                                                                                           ),
                                                                decimal.Decimal(                0.00021842459768549                                                                                                                                                                                                                            ),
                                                                decimal.Decimal(               99.9259163119085989057939988625810620201012857893012816197730189907743792931209843327426339987914746365315172977942868845721827684076717423116961495794648319380554868846324870276029626886129186998300662535940937605435069739237317269895772  ),
                                                                decimal.Decimal(                2.64971757369295002249999999827154484100152060917026952223212241653783649669777780217778380697777777796977777777969777777777969777777779697777777796977777805877778058777780587777777800577777780057777778005777777800577777774817774778285740 ),
                                                                )
                                           )

модуль mpmath:

import mpmath

def fmp_5DoF( Xopt, matX_measured , matY_measured ):
    return ( ( ( Xopt[0] * mpmath.power( Xopt[4], ( Xopt[1] * matX_measured[0] + Xopt[2] ) ) + Xopt[3] ) - matY_measured[0] )**2
           + ( ( Xopt[0] * mpmath.power( Xopt[4], ( Xopt[1] * matX_measured[1] + Xopt[2] ) ) + Xopt[3] ) - matY_measured[1] )**2
           + ( ( Xopt[0] * mpmath.power( Xopt[4], ( Xopt[1] * matX_measured[2] + Xopt[2] ) ) + Xopt[3] ) - matY_measured[2] )**2
           + ( ( Xopt[0] * mpmath.power( Xopt[4], ( Xopt[1] * matX_measured[3] + Xopt[2] ) ) + Xopt[3] ) - matY_measured[3] )**2
             )
>>> fmp_5DoF( [ -1.01e+14, -8.44017374, -7.84602606e-4, 9.99261072e+1, 2.71792286 ], matX, matY )
mpf('0.038471245878352295')

>>> mpmath.mp.prec
53
Поделиться

Ещё вопросы

Сообщество Overcoder
Наверх
Меню