为什么对numpy.float64求幂会返回nan？

Question

当我将负的numpy.float64提升为指数时，我接收到一个nan。为什么不支持复杂的数学？转换为float的唯一解决方法是什么

>>> from numpy import float64, power
>>> r = float64(-12025.433836763057)
>>> p = 0.74
>>> r**p
nan
>>> power(r, p)
__main__:1: RuntimeWarning: invalid value encountered in power
nan
>>> float(r)**p
(-715.6124638577838+762.049873596874j)
>>> 

---

建议的副本有一个类似的问题，答案是这是numpy中的一个bug。这是路的尽头吗

Answer 1

在幕后，python正在转换浮点（r）**p以返回“复杂”类型

numpy幂函数用于处理类似numpy array_的结构，其中所有项大小相同，存储在连续的内存块中，其返回类型由其参数推断

如果需要复数，最好的方法是使用complex64或complex128类型。这些需要更多的内存，因为每个复杂类型都由实部和虚部组成。所以complex64将由两个float32数字组成，complex128将由两个float64数字组成

>>> import numpy as np
>>> r = np.complex128(-12025.433836763057)
>>> p = 0.74
>>> np.power(r, p)
(-715.6124638577835+762.0498735968736j)

您也可以在幂函数中直接强制转换：

>>> import numpy as np
>>> r = np.float64(-12025.433836763057)
>>> p = 0.74
>>> np.power(r.astype(np.complex128), p)
(-715.6124638577835+762.0498735968736j)

但最简单的方法可能只是改变幂函数的返回类型，以期望得到一个复数：

>>> import numpy as np
>>> r = np.float64(-12025.433836763057)
>>> p = 0.74
>>> np.power(r, p, dtype=np.complex128)
(-715.6124638577835+762.0498735968736j)

---

有趣的是，numpy通常允许从float64到复杂的类型转换，只要它们保持相同的精度水平。但是，即使casting='same_kind'kwarg被重写，它似乎也不允许隐式强制转换任何ufunc函数返回类型

>>> np.can_cast(np.float64, complex)
True
>>> np.can_cast(np.float64, np.complex64)
False  
>>> np.can_cast(np.float64, np.complex128)
True

根据文档，如果将标量参数传递给ufunc（与数组相反），它将使用np.result_类型和np.promote_类型中的逻辑来确定ufunc的返回类型

https://docs.scipy.org/doc/numpy/reference/ufuncs.html

https://docs.scipy.org/doc/numpy/reference/generated/numpy.result_type.html#numpy.result_type

>>> np.result_type(r, p)
dtype('float64')