为什么numpy.arange（）和range（）生成的相同数字的（复杂）函数不同？

Question

# necessary imports
import numpy as np
import matplotlib.pyplot as plt

---

可复制设置

比奈公式如下，从here：

让我们用python定义此函数：

def binet(n):
    phi = (1 + 5 ** 0.5) / 2
    return ((phi**n) - (-1/phi)**n) / (5**0.5)

对于phi值，我使用了this

---

什么有效

让我们为n=[0.1,0.2,0.3,0.4,0.5,...,4.9,5.0]计算binet(n)：

[binet(x/10) for x in range(1,51)]

让我们来描绘它：

# our results
plt.plot([n.real for n in binetn],[n.imag for n in binetn])
# classic fibonacci numbers
plt.scatter([1,1,3,5],[0,0,0,0],c='r')

看起来不错，阿格里斯与this&；我们的数学知识

---

什么不起作用

基于上述情况，我相信这也会起作用：

binetn=[binet(x) for x in np.arange(0.1,5.1,0.1)]

然而，事实并非如此binetn变成：

[nan,nan,nan,nan,nan,nan,nan,nan,nan,1.0,...,nan,nan,5.000000000000001]

即它是nan，除非binet(n)是实的

它还发出警告：

/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:2: RuntimeWarning: invalid value encountered in double_scalars

---

问题:

为什么我可以循环浏览由range()生成的数字列表&；获取复杂的结果，而我无法对np.arange()执行同样的操作。

Answer 1

副本集中在np.arange。但这不是问题所在

比较向binet传递浮点与向np.float64传递浮点：

In [52]: binet(0.1)                                                                                  
Out[52]: (0.06391735396852471-0.13170388861716523j)
In [53]: binet(np.float64(0.1))                                                                      
/usr/local/bin/ipython3:3: RuntimeWarning: invalid value encountered in double_scalars
  # -*- coding: utf-8 -*-
Out[53]: nan

或者这些迭代：

In [54]: [binet(float(x)) for x in np.arange(0.1, 5.1, 0.1)];                                        
In [55]: [binet(x) for x in np.arange(0.1, 5.1, 0.1).tolist()];                                      
In [56]: [binet(x) for x in np.arange(0.1, 5.1, 0.1)];                                               
/usr/local/bin/ipython3:3: RuntimeWarning: invalid value encountered in double_scalars
  # -*- coding: utf-8 -*-

进一步挖掘，它似乎与complex有关。如果numpy参数复杂，则计算正常：

In [58]: binet(np.complex(.1))                                                                       
Out[58]: (0.06391735396852471-0.13170388861716523j)
In [59]: [binet(x) for x in np.arange(0.1, 5.1, 0.1).astype(complex)]; 

事实上，我们不需要迭代。一个复杂的数组工作得很好：

In [60]: x = np.arange(0.1, 5.1, 0.1).astype(complex)                                                
In [61]: binet(x)                                                                                    
Out[61]: 
array([0.06391735-1.31703889e-01j, 0.16378803-2.38746028e-01j,
       0.28913834-3.13167258e-01j, 0.42813892-3.50853867e-01j,
       0.56886448-3.51577584e-01j, 0.70044744-3.18660871e-01j,
       0.81402504-2.58333837e-01j, 0.9034083 -1.78872498e-01j,
       ...
       4.32034432-3.76903988e-02j, 4.54051382-2.60971457e-02j,
       4.76690299-1.30754885e-02j, 5.        +0.00000000e+00j])