问题标签 [mpmath]

基本上就是标题所说的。我得到了我认为是在我的代码中传播的数字错误，因此我试图通过将所有类型更改为高精度的 mpcs 来改进。但是，我的一些计算是象征性的，sympy 似乎不喜欢 mpcs。

k 是 sympy 符号 A 和 B 是 mpc 的

有没有办法做到这一点？例如在下面的代码中，我失去了精度：

对于我的一个项目，我需要反复评估涉及一般超几何函数的表达式。虽然 SciPy 不支持一般的 HypGeo 函数，但 MPMath 支持。但是，使用mp.hyper(..)非常耗时。因此，我决定使用他们的快速精度库函数fp.hyper(..)。不幸的是，行为似乎完全不同。我的例子如下：

第一个情节显示fp.plot(f_high,[0,1])，第二个fp.plot(f_low,[0,1])。万一有人想知道：这些函数看起来很丑，但一个是另一个的副本，只是mp被替换了fp，所以它们不可能有任何其他不同。

我还在 Mathematica 中绘制了它，图片更像上一张（高精度）。

看起来函数的实现有错误，fp.hyper对吧？

我有 4 个输入变量（浮点数）：

• 最大
• 最小
• 百分比
• 模式

我想为 s 求解以下（相当长的）方程：

我想使用 mpmath 和 sympy 来求解方程，但它给了我以下错误消息：

TypeError: cannot create mpf from 0.707106781186547*(-s**2 - 0.287682072451781)/s

我的代码如下：

mpf 是 mpmath 创建的浮点类型。

我想我将问题缩小到 erf() 函数，它返回

当我跑步时

我不知道接下来要尝试什么，任何帮助将不胜感激！

我最初认为这是数学问题，但方程在 matlab 中已成功求解，因此问题可能来自 sympy 或 mpmath。

我想从 C 代码中访问 mpmath 的特殊功能。我知道如何通过中间 python 脚本来做到这一点。例如，为了评估超几何函数，C 程序：

通过调用 GGauss_2F1.py 脚本可以正常工作：

有没有办法直接从 C 调用 mpmath 函数 hyp2f1，而不必求助于中间 python 脚本？我猜mpmath模块可以通过命令导入

但是如何访问实际功能？

我有兴趣尝试使用 Blender（v2.76、Python 3.4.2 控制台、Windows 8.1）进行 sympy。我遵循 Blender SE 的这个答案，从 Githib 下载 sympy 作为 ZIP，并将 sympy 文件夹移动到 C:\Program Files\Blender Foundation\Blender\2.76\python\lib\site-packages。但是，当我打开 Blender 并尝试在 Python 控制台中导入 sympy 时，出现以下错误：

我不知道如何安装外部库。我尝试转到ImportError 中提到的链接pip install mpmath，我看到了. 我在cmd中尝试过，但得到了这个：

我前段时间确实安装了 Anaconda，所以我想拥有这个输出是有意义的。如何将 mpmath 安装为 Blender 的外部库，以便可以在其中导入 sympy？

我想使用“DE HOOG”算法进行数值拉普拉斯逆变换。我想使用“mpmath”包，我从链接安装了它：

https://github.com/klkuhlm/mpmath

假设我需要在 t=1 处找到以下函数的拉普拉斯逆变换：

f = 1/(s-1)

f 的拉普拉斯逆变换为：e^(t)

在 t=1 时，预期结果为 = e

问题是只有当我将“i”的范围设置为小于 4 时它才能完美运行。例如，一旦我替换：

我收到此错误：

在此处输入图像描述

你能帮我解决这个问题吗？

谢谢！

我遇到了 mpmath 的问题。我正在尝试从文档中的示例中重现一个情节。我怀疑这个问题是命名空间冲突，但我无法让它工作。这是我的代码和错误：

我尝试以不同的顺序重新排列三个导入命令，并尝试将其中的一个也省略掉，但没有成功。我正在使用 Mac OSX Sierra 上的 Anaconda python 安装的 Jupyter 笔记本。我有 mpmath 0.19，matplotlib 1.5.3。当我执行“conda list”时，我找不到列出的 pylab。但是，“from pylab import *”不会引发错误。故障排除建议？这是包安装的问题吗？

我正在尝试使用mpmath提供任意精度算术的scipy.stats库和一起使用的库：

但是，norm.cdf内部会通过调用来检查其输入是否为数字np.isnan(x)。因此，我得到以下错误：

有没有办法强制scipy.stats.cdf使用mpmath.isnan而不是np.isnan？或者有其他方法可以解决这个问题吗？

我遇到了一种叫做Chudnovsky 算法的 π 算法。Wikipedia上显示了 Python 实现，它使用decimalPython 附带的包。但是最近在测试Gauss Legendre 算法时，我发现mpmath包的运行效率比decimal处理高精度计算时要高得多，所以我希望该算法可以与mpmath. 这是我的代码：

我确实相信 Python 本身可以处理大整数，所以我不会mpmath在 var 上使用，K, L, X因为在迭代中不会出现小数部分。我认为这件事发生在S += (M * L) / X一个X相当大的数字上。处理这么大的数字让我很困惑，希望您的建议，谢谢。