也许这是一个算法问题，但是下面的代码
numpy.power((-1+0j),0.5)
产生以下输出
(6.1230317691118863e-17+1j)
类似的表达式例如numpy.power(complex(-1),.5)产生相同的结果，但是 -numpy.sqrt(complex(-1))产生预期的结果1j。显然结果应该没有真正的部分，所以我错过了一些重要的东西，或者我需要向 numpy dev 报告这个。
如果有人问，不，我不能四舍五入（我需要完全精确的计算），是的，我需要使用幂函数。
发生的情况是 -1 的平方根计算为 exp(i phase/2)，其中（-1 的）相位约为π。实际上，
>>> import cmath, math
>>> z = -1+0j
>>> cmath.phase(z)
3.141592653589793
>>> math.cos(_/2)
6.123233995736766e-17
这说明-1的相位是π只到几个1e-17；相位除以 2 也仅约为 π/2，其余弦仅约为 0，因此您的结果（结果的实部就是该余弦）。
问题最终来自这样一个事实，即只有固定的、有限数量的浮点数。数字 π 不在浮点数列表中，因此只能近似表示。π/2 也不能精确表示，因此 -1 的平方根的实部是 π/2 的浮点近似的余弦（因此余弦不同于 0）。
因此，Python 的近似值numpy.power(complex(-1), .5)最终是由于浮点数的限制，并且很可能在许多语言中都可以找到。
您观察到的情况与此浮点限制有关，通过执行数字的幂。在您的示例中，平方根是通过评估复数的模块和参数来计算的（主要是通过 log 函数，它返回 log(module) + i 阶段）。另一方面，cmath.sqrt(-1)给出正是1j因为它使用了不同的方法，并且不受(-1+0j)**0.5（如 TonyK 所建议的）的浮点逼近问题的影响。
numpy.power()这是实现复数的副作用。标准库表现出同样的问题。
>>> numpy.power(-1+0j, 0.5)
(6.123233995736766e-17+1j)
>>> cmath.exp(cmath.log(-1)/2)
(6.123233995736766e-17+1j)
试试 numpy.real_if_close()。
请参阅：如果关闭，则为真实