Numpy exp() 函数无缘无故地给我错误的值

Question

import matplotlib.pyplot as plt

#from numpy.fft import fft as numpyfft

#from scipy.fftpack import fft as scipyfft

import numpy as np

    
    print(np.exp([-2j*np.pi]))

    print(np.exp([-2.j*np.pi]))

    print(np.exp(-2j*np.pi))

    print(np.exp(-2.j*np.pi))

    [1.+2.4492936e-16j]
    [1.+2.4492936e-16j]
    (1+2.4492935982947064e-16j)
    (1+2.4492935982947064e-16j)

所以前几天我做了一个关于 FFT 主题的演讲。因此，我用 python 制作了一本 jupyternoebook。我直接从这里获取代码示例：

https://pythonnumericalmethods.berkeley.edu/notebooks/chapter24.04-FFT-in-Python.html

显示了所描述的 FFT 算法的简短实现。重要的是，他们使用我的代码中显示的 numpy.exp 函数。

我想写一些关于算法中使用的函数的解释，并做了一些比较直接 numpyfft、scipyfft 和从 link 实现的 FFT 的打印。存在巨大的类似舍入的错误。所以我深入研究了一下，发现在我的 jupyternotebook 上，exp(-2j*PI) = 错误值。应该是

所以它不是关于 FFT 算法，而是我得到的错误值，请参见上面的代码打印。我搜索了一下，但 none 的线程似乎有所帮助。有人建议在划分时转换为浮动，但在 -2j*PI 中我们不划分并且不需要转换？！

所以，是的，我完全一无所知。抱歉，如果这是我的基本错误，但我现在被困了几个小时，希望能够用正确的结果正确地解释它。

（numpy 和 scipy 的 FFT 算法产生正确的结果，但 link 的 FFT 显然不是）

Answer 1

这是正确答案。与所有以二进制计算的计算机一样，Numpy 的误差范围很小。您可以通过四舍五入到 14 位数字（对于 32 位浮点数）来规避此问题：

print(np.round(np.exp(-2j*np.pi),14))
# (1+0j)

Numpy exp() 函数无缘无故地给我错误的值

Numpy exp() function gives me wrong value for no reason

python

numpy

jupyter

complex-numbers

exp