Блог

В настоящее время я беру класс численных методов и написал функцию для устранения Гаусса. Я заметил, что по какой-то причине при выполнении операций с массивом numpy python не удается преобразовать целые числа в плавающие. поэтому я получаю нули вместо плавающей точки. Вот фрагмент кода, который выполняет исключение Гаусса

 for k in range(h - 1):
        p = k
        B = a[k, k]
        for i in range(k 1, l):
            if a[i, k] > B:
                B = a[i, k]
                p = i

        if p != k:
            a[[k, p]] = a[[p, k]]
            b[[k, p]] = b[[p, k]] 

        for i in range(k 1, l):
            s = a[i, k] / a[k, k]
            for g in range(l):
                a[i, g] = a[i, g] - s * a[k, g]
            
            b[i, 0] = b[i, 0] - s * b[k, 0]
 

Вот входные данные, используемые при вызове функции:

 a = np.array([[8, 4, -1], [-2, 5, 1], [2, -1, 6]])
b = np.array([[11], [4], [7]])
print(GaussElim(a, b)[4])
 

Есть идеи, почему это может происходить? Я могу обойти проблему, просто записав свои входные данные в виде поплавков, но я бы хотел избежать этого, если это возможно. Я запускаю Python 3.9.7 в последней версии VS-кода.
Я использую массивы numpy для своих входных матриц, если это на что-то влияет.

**Примечание: Я заметил, что элементы массива остаются целыми и не преобразуются в плавающие при работе. Изменение моих входных данных в массив numpy для запуска в виде поплавков решает проблему, но мне бы не хотелось писать «.0» в конце каждого ввода для чистоты.

Я считаю , что Python выполняет операции в виде поплавков, но поскольку массивы являются dtype=int64 таковыми, они преобразуются обратно в целые числа, чтобы сохранить их.

Как упоминает комментарий @Ynjxsjmh, вы можете явно указать dtype , чтобы массивы плавали по спецификации:

 a = np.array([[8, 4, -1], [-2, 5, 1], [2, -1, 6]], dtype='float64')
b = np.array([[11], [4], [7]], dtype='float64')
 

В качестве альтернативы, поскольку все элементы в массиве имеют один и тот же тип, вы можете просто принудительно ввести его, добавив точку к одному из чисел:

 a = np.array([[8., 4, -1], [-2, 5, 1], [2, -1, 6]])
b = np.array([[11.], [4], [7]])