相关疑难解决方法(0)

是否有比float更精确的数据类型？

numpy.float128在内部映射到什么精度？是__float128还是长双？(或完全不同的东西!？)

如果有人知道,可能会有一个问题:在C中将__float128强制转换为(16字节)长的双精度是否安全？(这是为了与长双打的C lib接口).

编辑:响应评论,该平台是'Linux-3.0.0-14-generic-x86_64-with-Ubuntu-11.10-oneiric'.现在,如果numpy.float128具有依赖于平台的不同精度,那对我来说也是有用的知识!

需要明确的是,这是我感兴趣的精度,而不是元素的大小.

我想用以下数据拟合曲线，但出现错误：

ipython-input>:2: RuntimeWarning: overflow encountered in exp

有谁知道这个问题的原因是什么？我用 Matlab 的不同数据类型拟合了这条曲线，效果很好。我使用了 Matlab 代码中的初始条件。两条曲线相同，但在这种情况下 y 轴的值要高得多。

import numpy as np
import scipy.optimize
#sympy.init_printing()
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

list_R1_fit = [
    19.53218114920747, 42.52167990454083, 60.95540646861309,
    70.10646960395906, 73.99897337091254, 75.36736639556727,
    75.69578522881915, 75.62147077733012, 75.42605227692485,
    75.21657113589387, 75.04519265636262, 74.94144261816007,
    74.92153132015117, 74.99475606015201, 75.15746897265564
]
tau_list = [
    0.052, 0.12, 0.252,
    0.464, 0.792, 1.264,
    1.928, 2.824, 4,
    5.600, 7.795, 10.806,
    14.928, 20.599, 28.000
]

array_R1_fit = np.asarray(list_R1_fit)
tau_array = np.asarray(tau_list)
plt.plot(tau_array, array_R1_fit, 'o') 

def func_R1_fit( t, a0, …

我有一个总值为的文件4950:

0.012345678912345678

我使用以下方式读取文件:

a = numpy.genfromtxt(file_name, dtype=str, delimiter=',') # a.shape = (4950L, 1L) #dtype=str as I don't want to compromise accuracy
#say a == ['0.000000000000000001', -'0.000000000000000002', ...., '0.000000000004950']

我想要实现的是获得一个b大小(100L, 100L)的矩阵:

1. 上三角值用numpy数组'a'中的值填充.
2. 较低的三角形值用numpy数组'a'中的值填充,但乘以-1.
3. 对角线仅由零组成.

示例(准确性很重要):

array = ['1','2','-3','-5','6','-7'] # In reality the data is up to 18 decimal places.

final_matrix = [
               ['0','1','2','-3'],
               ['-1',0,'-5','6'],
               ['-2','5','0','-7'],
               ['3','-6','7','0']
               ]

实现这一目标的最有效方法是什么？