Numpy高精度

Question

我使用numpy和pyfits来操纵光谱，并且我需要高精度(大约小数点8-10位在一个可能高达10^12的值上)。因此，数据类型“十进制”将是完美的(float64不够好)，但不幸的是，numpy.interp不喜欢它：

File ".../modules/manip_fits.py", line 47, in get_shift
pix_shift = np.interp(x, xp, fp)-fp
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1053, in interp
return compiled_interp(x, xp, fp, left, right)
TypeError: array cannot be safely cast to required type

我使用的代码的简化版本：

fp = np.array(range(new_wave.shape[-1]),dtype=Decimal)
pix_shift = np.empty_like(wave,dtype=Decimal)
      x = wave
  xp = new_wave
 pix_shift = np.interp(x, xp, fp)-fp

其中“wave”和“new_wave”是表示一维光谱的一维numpy阵列。这段代码是用来将我的光谱沿x轴移动(这是一种小波)。

我最大的问题是，在代码的后面，我用一个模板光谱除以我所有光谱的总和，以便分析差异，而且由于我没有足够的十进制位，所以我得到四舍五入的误差。有什么想法吗？

谢谢!

更新：

测试示例：

import numpy as np
from decimal import *
getcontext().prec = 12

wave = np.array([Decimal(xx*np.pi) for xx in range(0,10)],dtype=np.dtype(Decimal))
new_wave = np.array([Decimal(xx*np.pi+0.5) for xx in range(0,10)],dtype=np.dtype(Decimal))

fp = np.array(range(new_wave.shape[-1]),dtype=Decimal)
pix_shift = np.empty_like(wave,dtype=Decimal)

x = wave
xp = new_wave
pix_shift = np.interp(x, xp, fp)-fp

错误是：

Traceback (most recent call last):
  File "untitled.py", line 16, in <module>
    pix_shift = np.interp(x, xp, fp)-fp
  File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1053, in interp
    return compiled_interp(x, xp, fp, left, right)
TypeError: array cannot be safely cast to required type

这是我能提供的最接近的，而不用真正的光谱在适合的格式。

更新2:使用十进制打印的一些典型的我的光谱值：

  18786960689.118938446044921875
  18473926205.282184600830078125
  18325454516.792461395263671875
  18400241010.149127960205078125
2577901751996.03857421875
2571812230557.63330078125
2567431795280.80712890625

我遇到的问题是，当我在它们之间做操作时，我得到了舍入错误。例如，我通过对所有光谱的求和来创建一个所有光谱的模板。然后我用这个模板来规范每个光谱。举个例子：

Spectra = np.array([Spectrum1, Spectrum2, ...])
Template = np.nansum(Spectra, axis= 0)

NormSpectra = Spectra/Template

这应该只返回光谱上的噪声(假设模板是恒星的一个很好的表示)。我试着把每个光谱归一化为它的总通量

(Spectrum1 = Spectrum1/np.nansum(Spectrum1), ...) 

以及模板，但会变得更糟的舍入错误。

使用十进制会很好，但我需要“移动”我的光谱，以便所有的光谱特征/线是对齐的。

希望这有意义？

Answer 1

你怎么能确定np.float64？在典型的用法中，人们可以预期双倍的有15个重要的数字。

如果您确信这还不够，可以尝试np.float128 (又名np.longdouble)。

，但，您的问题似乎更深:它似乎是一个不适定的问题(大数除以小数通常是这样)。这不是你想要的。提高精度在一定程度上可以解决这个问题，但您将遇到一些数据，这些数据需要浮动256/float256 512/等等，以避免病理性舍入错误。

我建议您解释您的问题，而不是您的解决方案，这样我们就可以希望在每一种情况下都能找到另一种解决方法(XY Problem)。