问题描述
我有一个包含复数 (F) 的大型 numpy 二维数组 np.complex64。它有很多非常小的数字。为了我的计算，我只需要 ~1e-6 - 1e-9 的精度。由于这个矩阵非常大，我尝试使用稀疏矩阵表示。所以我尝试这样做：
np.seterr(all="raise")
...
F = getF()
F[np.abs(F) < EPSILON] = 0
# EPSILON = 1e-9. It is supposed to be in between 1e-6 and 1e-9
return csr_matrix(F)
但是计算绝对值会产生下溢错误（numpy 设置为引发错误）：
FloatingPointError: underflow encountered in absolute
如果 seterr 没有完成，Numpy 不会引发错误，但只是输出 NaN，这会导致问题，因为这个矩阵 F 是一系列计算的起点。
从我读到的内容来看，下溢主要是通过获取日志并直接使用日志值而不是主要值来处理的，但在这种情况下，无论如何我都想丢弃它们。有没有一种理智的方法呢？我想到了 np.clip，但我有复数数据，所以使用它不是很简单。
所以我的问题是是否存在一种优雅的（希望是规范的）方式来处理这个问题？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）