我怎样才能让 80 位浮点数在 numpy 中工作
how can i get 80 bit floats to work in numpy
在 numpy（或通常 python）中，我想利用 Intel x86 FPU 本机支持 80 位长双精度数据类型这一事实。我怎样才能做到这一点。在我的机器（intel core i7、macOS Catalina、python 3.8.1、numpy 1.19.1）上，以下尝试似乎失败了，因为似乎没有保留额外的数字：
>>> scalar = np.array([1.4756563577476488347],dtype=np.float64)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.475656357747649]
>>> scalar = np.array([1.4756563577476488347],dtype=np.float128)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.4756563577476489169]
>>> scalar = np.array([1.4756563577476488347],dtype=np.longfloat)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.4756563577476489169]
这似乎很奇怪，因为数据类型似乎就是我认为的那样（64 位与 80 位）：
print(np.finfo(np.float64))
Machine parameters for float64
---------------------------------------------------------------
precision = 15 resolution = 1.0000000000000001e-15
machep = -52 eps = 2.2204460492503131e-16
negep = -53 epsneg = 1.1102230246251565e-16
minexp = -1022 tiny = 2.2250738585072014e-308
maxexp = 1024 max = 1.7976931348623157e+308
nexp = 11 min = -max
---------------------------------------------------------------
print(np.finfo(np.float128))
Machine parameters for float128
---------------------------------------------------------------
precision = 18 resolution = 1.0000000000000000715e-18
machep = -63 eps = 1.084202172485504434e-19
negep = -64 epsneg = 5.42101086242752217e-20
minexp = -16382 tiny = 3.3621031431120935063e-4932
maxexp = 16384 max = 1.189731495357231765e+4932
nexp = 15 min = -max
---------------------------------------------------------------
是否与解析输入数字的能力有关？
问题是 Python 仅使用 64 位浮点数，而您正在将 Python 对象传递给 np.array。
试试这个：
In [26]: scalar = np.array(['1.4756563577476488347'], dtype=np.float128)
In [27]: with np.printoptions(precision=100, suppress=False):
...: print(scalar)
...:
[1.4756563577476488347]
通过使用字符串作为文字，创建 float128 对象的代码现在位于 NumPy 中，这将保留值的精度。
在 numpy（或通常 python）中，我想利用 Intel x86 FPU 本机支持 80 位长双精度数据类型这一事实。我怎样才能做到这一点。在我的机器（intel core i7、macOS Catalina、python 3.8.1、numpy 1.19.1）上，以下尝试似乎失败了，因为似乎没有保留额外的数字：
>>> scalar = np.array([1.4756563577476488347],dtype=np.float64)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.475656357747649]
>>> scalar = np.array([1.4756563577476488347],dtype=np.float128)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.4756563577476489169]
>>> scalar = np.array([1.4756563577476488347],dtype=np.longfloat)
... with np.printoptions(precision=100,suppress=False):
... print(scalar)
[1.4756563577476489169]
这似乎很奇怪，因为数据类型似乎就是我认为的那样（64 位与 80 位）：
print(np.finfo(np.float64))
Machine parameters for float64
---------------------------------------------------------------
precision = 15 resolution = 1.0000000000000001e-15
machep = -52 eps = 2.2204460492503131e-16
negep = -53 epsneg = 1.1102230246251565e-16
minexp = -1022 tiny = 2.2250738585072014e-308
maxexp = 1024 max = 1.7976931348623157e+308
nexp = 11 min = -max
---------------------------------------------------------------
print(np.finfo(np.float128))
Machine parameters for float128
---------------------------------------------------------------
precision = 18 resolution = 1.0000000000000000715e-18
machep = -63 eps = 1.084202172485504434e-19
negep = -64 epsneg = 5.42101086242752217e-20
minexp = -16382 tiny = 3.3621031431120935063e-4932
maxexp = 16384 max = 1.189731495357231765e+4932
nexp = 15 min = -max
---------------------------------------------------------------
是否与解析输入数字的能力有关？
问题是 Python 仅使用 64 位浮点数，而您正在将 Python 对象传递给 np.array。
试试这个：
In [26]: scalar = np.array(['1.4756563577476488347'], dtype=np.float128)
In [27]: with np.printoptions(precision=100, suppress=False):
...: print(scalar)
...:
[1.4756563577476488347]
通过使用字符串作为文字，创建 float128 对象的代码现在位于 NumPy 中，这将保留值的精度。