Python math.ulp() 函数
在浮点数计算中,理解浮点数的精度限制非常重要。ULP(Unit in the Last Place)是衡量浮点数精度的基本单位。
math.ulp() 是 Python 3.9 引入的函数,用于返回浮点数的最小有效浮点单位(ULP),即从该数到下一个可表示浮点数之间的距离。
单词释义: ulp 是 "Unit in the Last Place" 的缩写,意为"最后一位的单位"。
基本语法与参数
语法格式
import math math.ulp(x)
参数说明
- x: 浮点数
返回值
返回 x 的 ULP 值,即 x 与下一个可表示浮点数之间的差
实例
示例 1:基础用法
实例
import math
print("1.0 的 ULP:", math.ulp(1.0))
print("2.0 的 ULP:", math.ulp(2.0))
print("100.0 的 ULP:", math.ulp(100.0))
print("0.0 的 ULP:", math.ulp(0.0))
print("最小正数:", math.ulp(float.min)
print("1.0 的 ULP:", math.ulp(1.0))
print("2.0 的 ULP:", math.ulp(2.0))
print("100.0 的 ULP:", math.ulp(100.0))
print("0.0 的 ULP:", math.ulp(0.0))
print("最小正数:", math.ulp(float.min)
运行结果:
1.0 的 ULP: 2.220446049250313e-16 2.0 的 ULP: 4.440892098500626e-16 100.0 的 ULP: 2.8421709430404007e-14 0.0 的 ULP: 5e-324
示例 2:不同数值的 ULP
实例
import math
values = [0.1, 0.5, 1.0, 1.5, 2.0, 10.0, 100.0, 1000.0]
print("不同数值的 ULP:")
for x in values:
print(f" ULP({x}) = {math.ulp(x)}")
values = [0.1, 0.5, 1.0, 1.5, 2.0, 10.0, 100.0, 1000.0]
print("不同数值的 ULP:")
for x in values:
print(f" ULP({x}) = {math.ulp(x)}")
运行结果:
不同数值的 ULP: ULP(0.1) = 1.3877787807814457e-17 ULP(0.5) = 1.3877787807814457e-16 ULP(1.0) = 2.220446049250313e-16 ULP(1.5) = 2.220446049250313e-16 ULP(2.0) = 4.440892098500626e-16 U浮点 10.0: 2.220446049250313e-15 ULP(100.0) = 2.8421709430404007e-14 ULP(1000.0) = 2.2737367544323206e-13
示例 3:特殊值
实例
import math
print("无穷大:", math.ulp(math.inf))
print("最大有限数:", math.ulp(sys.float_info.max))
print("负数:", math.ulp(-1.0))
print("次正规数:", math.ulp(1e-310))
print("无穷大:", math.ulp(math.inf))
print("最大有限数:", math.ulp(sys.float_info.max))
print("负数:", math.ulp(-1.0))
print("次正规数:", math.ulp(1e-310))
运行结果:
无穷大: inf 最大有限数: inf 负数: 2.220446049250313e-16 次正规数: 5e-324
示例 4:浮点数精度检测
实例
import math
def check_precision(x):
"""检测浮点数精度"""
ulp = math.ulp(x)
relative_error = ulp / x
print(f"x = {x}")
print(f" ULP = {ulp}")
print(f" 相对误差 ≈ {relative_error:.2e}")
print(f" 有效位数 ≈ {-math.log2(relative_error):.1f}")
print()
check_precision(1.0)
check_precision(1000000.0)
def check_precision(x):
"""检测浮点数精度"""
ulp = math.ulp(x)
relative_error = ulp / x
print(f"x = {x}")
print(f" ULP = {ulp}")
print(f" 相对误差 ≈ {relative_error:.2e}")
print(f" 有效位数 ≈ {-math.log2(relative_error):.1f}")
print()
check_precision(1.0)
check_precision(1000000.0)
运行结果:
x = 1.0 ULP = 2.220446049250313e-16 相对误差 ≈ 2.22e-16 有效位数 ≈ 52.0 x = 1000000.0 ULP = 1.907344663e-13 相对误差 ≈ 1.91e-13 有效位数 ≈ 52.0
示例 5:与 nextafter 结合
实例
import math
# 验证:nextafter(x, inf) - x = ULP(x)
x = 1.0
next_val = math.nextafter(x, math.inf)
ulp_calc = math.ulp(x)
direct_diff = next_val - x
print(f"x = {x}")
print(f"nextafter(x, inf) - x = {direct_diff}")
print(f"math.ulp(x) = {ulp_calc}")
print(f"两者相等: {direct_diff == ulp_calc}")
# 验证:nextafter(x, inf) - x = ULP(x)
x = 1.0
next_val = math.nextafter(x, math.inf)
ulp_calc = math.ulp(x)
direct_diff = next_val - x
print(f"x = {x}")
print(f"nextafter(x, inf) - x = {direct_diff}")
print(f"math.ulp(x) = {ulp_calc}")
print(f"两者相等: {direct_diff == ulp_calc}")
运行结果:
x = 1.0 nextafter(x, inf) - x = 2.220446049250313e-16 math.ulp(x) = 2.220 double 000001e-16 两者相等: True
说明:math.ulp(x) 等价于 |nextafter(x, inf) - x|
应用场景
- 数值算法的误差分析
- 浮点数精度检测
- 科学计算中的容差设置
- 比较浮点数时确定合适的 epsilon
注意事项
- Python 3.9+ 才有此函数
- ULP 值随数值增大而增大
- inf 的 ULP 也是 inf
Python math 模块
点我分享笔记