我有一个 Python 3 函数将浮点数舍入到 6 位(逻辑处理各种精度级别)。 当传递许多(可能全部)numpy.float16 值时,它会生成乘数溢出警告并返回无穷大。
问题标题中或下面显示的简短代码段说明了该行为。
解决方法很简单,只需先转换为更大的浮点数,但我很好奇该行为是否在预期之中。
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)
我希望 round 会影响精度,但永远不会导致溢出或将值更改为无穷大。
这是NumPyround
算法的限制。我犹豫是否将其称为错误:这是由NumPy核心开发人员决定的,但仍然值得报告。
问题是:要四舍五入到小数点后 5 位,NumPy 相当于按100000.0
缩放,四舍五入到最接近的整数,然后再次按100000.0
跳水。即使round
操作的最终结果预计在范围内,初始缩放也可能溢出。
这是实现这一点的 NumPy 源的部分。您需要在源代码中回溯一点,以确定在这种情况下op1
是乘法,op2
是指除法。
对于float64
或float32
,这不太可能引起问题,因为对于正常使用,您不太可能在浮点类型的可表示范围的上限100000.0
范围内。但是,如果你确实太接近这个上限,你会看到同样的问题。下面是一个带有np.float64
的示例:
>>> 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)
inf
float32
也是这样:
>>> 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
使用np.float16
,这是完全相同的问题,但由于float16
类型的动态范围非常小,因此您更有可能在实践中观察到该问题。
但通常请注意,即使已修复,双参数round
也可能溢出:原始值可能在相关浮点类型的范围内,而舍入值不在。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
但这只能发生在否定的ndigits
论点上。如果第二个参数是非负的,则不存在溢出的可能性 - 任何标准浮点类型中每个足够大的可表示值都已经是积分,因此具有非负ndigits
的round
不应更改其值。