使用numpy的陣列評估函數返回INF和楠

Question

我有以下numpy的陣列和功能：

：

import numpy 
import scipy.special 

i = numpy.linspace(0, 500, 501, dtype = int) 

def func(x, n): 
    return scipy.special.eval_hermite(n, x) 

我使用兩種不同的appraoches評價我numpy的陣列i每個元素的功能方法1：

hermites = func(0, i) 

方法2：

hermites = [func(0, idx) for idx in i] 

這兩種方法導致兩種不同的答案。他們是不同的，因爲元素50,方法1開始返回inf和nan。 方法2也不給每個元素i正確的值。但是，它可以計算出更多。方法2對於i >= 64失敗。

兩種方法大致在同一時間給出答案（len(i) = 15000爲0.7秒，使用timeit確定）。我不明白的是不同的結果。這是因爲我學會盡可能避免使用Python中的for loops。這次似乎並非如此。

它與記憶有關的想法也跨越了我的想法。然而，評估一個單一元素，即print func(0, 64)也返回0.（等於輸出方法2）。

這是怎麼回事？

Answer 1

這是一個scipy中由numpy的「ufuncs」偶爾令人驚訝的投射規則創建的錯誤。問題是，在scipy版本爲0.16和更高版本時，當eval_hermite的第一個參數是整數數組，第二個參數是整數標量時，返回值的數據類型是單精度浮點數（numpy.float32）。當第二個參數是64位浮點值時，返回類型是numpy.float64。可用float32表示的最大值遠小於float64，因此當第二個參數爲整數時，eval_hermite會很快溢出到無窮大。

例如，這是具有SciPy的0.16.0和1.10.1 numpy的：

In [26]: from scipy.special import eval_hermite 

注意，返回值的數據類型爲float32：

In [27]: eval_hermite([20, 50, 100, 200], 0) 
Out[27]: 
array([ 6.70442586e+11,    -inf,    inf, 
        inf], dtype=float32) 

如果第二個參數是浮點數，返回類型爲float64，並且可以表示較大的值：

In [28]: eval_hermite([20, 50, 100, 200], 0.0) 
Out[28]: 
array([ 6.70442573e+011, -1.96078147e+039, 3.06851876e+093, 
     8.45055019e+216]) 

代碼的解決方法是始終確保eval_hermite的第二個參數是浮點值。例如，

hermites = func(0.0, i) 

此問題已得到（見https://github.com/scipy/scipy/pull/4896）固定在SciPy的開發版本，所以SciPy的0.17推出時應該不會有這個問題。