为什么python圆(np.float16(np.pi)，5)返回无穷大？缺陷，限制，还是预期？
我有一个Python 3函数，四舍五入浮动到6位(逻辑处理各种精度级别)。当传递多个(可能全部) numpy.float16值时，它会生成多重溢出警告并返回无穷大。
问题标题或下面所示的简短片段说明了这种行为。
解决方法很简单，只需先转换为更大的浮点数，但我很好奇这种行为是否会被期望。
import numpy as np
x = np.float16(3.14)
x = round(x, 5)
if np.isinf(x):
print("you've made an infinity through rounding....", 1, x)
else:
print('just x: ', x)我期望圆周率会影响精度，但不会导致溢出或将值转换为无穷大。
回答 1
Stack Overflow用户
发布于 2019-05-31 18:25:16
这是NumPy的round算法的一个局限性。我不愿称它为bug:这要由NumPy核心开发人员来决定，但它可能还是值得报告的。
问题是:要将小数点数舍入到5位，NumPy就相当于用100000.0进行缩放，舍入到最接近的整数，然后再由100000.0跳转。即使预期round操作的最终结果在范围内，初始缩放也可能发生溢出。
这是NumPy源中实现这一点的部分。您需要在源代码中回溯一点，才能发现在这种情况下，op1是乘法，而op2是除法。
对于float64或float32，这不太可能引起问题，因为对于正常用途，您不太可能在浮点类型可表示范围的上限的100000.0中。但是如果你真的太接近这个上限，你会看到同样的问题。下面是一个关于np.float64的例子
>>> np.finfo(np.float64).max
1.7976931348623157e+308
>>> x = np.float64(1e304) # pick something within 1e5 of that max
>>> x * 1e5
__main__:1: RuntimeWarning: overflow encountered in double_scalars
inf
>>> np.round(x, 5) # same multiplication happening internally
/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numpy/core/fromnumeric.py:56: RuntimeWarning: overflow encountered in multiply
return getattr(obj, method)(*args, **kwds)
inffloat32的情况也是一样
>>> np.finfo(np.float32).max
3.4028235e+38
>>> x = np.float32(1e35)
>>> x * 1e5 # okay; NumPy converts to `float64`
1.0000000409184788e+40
>>> np.round(x, 5)
inf对于np.float16，这是完全相同的问题，但是由于float16类型的动态范围非常小，所以您更有可能在实践中观察到这个问题。
不过，通常情况下，请注意，即使这是固定的，两个参数的round也有可能溢出:原始值可能在相关浮点类型的范围内，而舍入值则不是。下面是一个使用Python自己的round函数的示例：
>>> x = 1.76e308
>>> x
1.76e+308
>>> round(x, -307) # should be 1.8e308, but that's out of range
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
OverflowError: rounded value too large to represent但是，这种情况只能发生在消极的ndigits论点上。如果第二个参数是非负的，那么就不可能溢出--任何标准浮点类型中的每个足够大的可表示值都是整数的，因此具有非负ndigits的ndigits不应该更改它的值。
https://stackoverflow.com/questions/56368092
复制相似问题
腾讯云开发者
