我正在使用numpy和pyfits来操作光谱,需要高精度计算(一个值可能高达10^12,需要保留8-10个小数位)。为此,"decimal"数据类型非常适合(float64不够精确),但不幸的是,numpy.interp不支持它:
File ".../modules/manip_fits.py", line 47, in get_shift
pix_shift = np.interp(x, xp, fp)-fp
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1053, in interp
return compiled_interp(x, xp, fp, left, right)
TypeError: array cannot be safely cast to required type
我使用的代码的简化版本:
fp = np.array(range(new_wave.shape[-1]),dtype=Decimal)
pix_shift = np.empty_like(wave,dtype=Decimal)
x = wave
xp = new_wave
pix_shift = np.interp(x, xp, fp)-fp
其中'wave'和'new_wave'是代表1D频谱的一维numpy数组。该代码需要将我的光谱沿着X轴(即波长)移动。
我最大的问题是在代码的后面,我会通过从所有光谱的总和构建的模板光谱来除以我的光谱,以分析差异,但由于我没有足够的小数位数,所以出现了舍入误差。有什么想法吗?
谢谢!
更新:
测试示例:
import numpy as np
from decimal import *
getcontext().prec = 12
wave = np.array([Decimal(xx*np.pi) for xx in range(0,10)],dtype=np.dtype(Decimal))
new_wave = np.array([Decimal(xx*np.pi+0.5) for xx in range(0,10)],dtype=np.dtype(Decimal))
fp = np.array(range(new_wave.shape[-1]),dtype=Decimal)
pix_shift = np.empty_like(wave,dtype=Decimal)
x = wave
xp = new_wave
pix_shift = np.interp(x, xp, fp)-fp
错误信息为:
Traceback (most recent call last):
File "untitled.py", line 16, in <module>
pix_shift = np.interp(x, xp, fp)-fp
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1053, in interp
return compiled_interp(x, xp, fp, left, right)
TypeError: array cannot be safely cast to required type
这是最接近使用适合格式的真实光谱数据的翻译。
更新2: 使用十进制数打印的我的光谱数据的一些典型值:
18786960689.118938446044921875
18473926205.282184600830078125
18325454516.792461395263671875
18400241010.149127960205078125
2577901751996.03857421875
2571812230557.63330078125
2567431795280.80712890625
我遇到的问题是,在对它们进行操作时,会产生四舍五入误差。例如,我通过对所有光谱进行求和来创建一个模板。然后我使用这个模板来对每个光谱进行归一化。例如:
Spectra = np.array([Spectrum1, Spectrum2, ...])
Template = np.nansum(Spectra, axis= 0)
NormSpectra = Spectra/Template
假设模板是恰当地代表了这颗星,我希望只返回光谱上的噪声。我尝试将每个光谱归一化为其总通量。
(Spectrum1 = Spectrum1/np.nansum(Spectrum1), ...)
对于模板来说,使用Decimal可能会很好,但是会导致舍入误差更加严重。
对我来说,使用Decimal没问题,但是我需要“移动”我的光谱使得所有的光谱特征/线都能够对齐。
希望这样讲清楚了?
dtype=np.longdouble
的额外位数?此外,mpmath可能对您有所帮助(它是一个用纯Python编写的多精度浮点运算库,还可以使用快速编译后端)。 - jorgeca