我目前正在進(jìn)行一些數(shù)值傳熱計(jì)算，這需要一個(gè)很好的互補(bǔ)誤差函數(shù)(erfc)的近似。其中一個(gè)傳熱方程由exp(s^2)和erfc(s)的乘積組成，這意味著(對(duì)于較大的s值)一個(gè)非常大的數(shù)乘以一個(gè)非常小的數(shù)。因此，電流變流控制的精度需要相當(dāng)高。否則，對(duì)大量s的計(jì)算將是不穩(wěn)定的。在

由于處理not的數(shù)學(xué)函數(shù)(例如sqrt()、exp()和pow())不能取雙倍數(shù)，所以我使用float，這給了我對(duì)于大值s的穩(wěn)定性問題。對(duì)于大值，我的意思是大約4到5。例如，4.5的erfc應(yīng)該是1.97*10^(-10)。在

…現(xiàn)在來回答問題。在

1)是否可以在處理的數(shù)學(xué)函數(shù)(例如平方根、exp和冪)中使用雙精度來獲得互補(bǔ)誤差函數(shù)值的更精確表示？在

2)據(jù)我所知，Python也在使用float，而不是double，這意味著(至少在我看來)Processing和Python對(duì)于互補(bǔ)錯(cuò)誤函數(shù)應(yīng)該得到相同的結(jié)果。然而，事實(shí)并非如此。Python對(duì)錯(cuò)誤函數(shù)的逼近比處理更精確。怎么會(huì)這樣？在

下面顯示了Python和互補(bǔ)誤差函數(shù)近似的處理版本。在

Python：from math import sqrt

from math import pi

from math import exp

n=1000 #number of intervals

b=float(1) #integration end

h=b/n #Interval width

leftRiemann=0

for s in range(0, n):

leftRiemann=leftRiemann+h*2/sqrt(pi)*exp(-((s*h)**2))

rightRiemann=0

for s in range(1, n+1):

rightRiemann=rightRiemann+h*2/sqrt(pi)*exp(-((s*h)**2))

trapez=0.5*leftRiemann+0.5*rightRiemann

centrePoint=0

for s in range(1, n+1):

centrePoint = centrePoint+h*2/sqrt(pi)*exp(-((h*(s-0.5))**2))

erfc=1 - (1.0/3*trapez+2.0/3*centrePoint)

print erfc

正在處理：

^{pr2}$

Python:erfc(1)=0.15729920705

處理：erfc(1)=0.15729982

表值：erfc(1)=0.157299

總結(jié)

以上是生活随笔為你收集整理的python计算和差积商_Python与处理计算的区别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。