抑制可忽略不计的复杂 numpy 特征值？
Suppress negligible complex numpy eigenvalues?
我正在计算协方差矩阵的特征值，它是实数和对称半正定矩阵。因此，特征值和特征向量都应该是实数，但是 numpy.linalg.eig() 返回的是具有（几乎）零虚部的复数值。
这里的协方差矩阵太大了post，但是特征值是
[1.38174e01+00j, 9.00153e00+00j, ....]
矢量中最大的虚部在 -9.7557e-16j 处可以忽略不计。
我认为这里存在一些机器精度问题，因为虚部显然可以忽略不计（并且假设我的协方差矩阵是 real pos semi-def）。
有没有办法使用 numpy eig（或 scipy）抑制返回虚部？我试图避免使用 if 语句来检查特征值对象是否复杂，然后尽可能将其设置为实数分量。
我认为针对此特定案例的最佳解决方案是使用@PaulPanzer 的建议，即np.linalg.eigh。这直接适用于 Hermitian 矩阵，因此只有真实的特征值，正是这个特定的用例。
一般来说，检索数组中数字的实部非常简单：
>>> np.real(np.array([1+1j,2+1j]))
array([ 1., 2.])
numpy.real returns 你的数字的实部。
我正在计算协方差矩阵的特征值，它是实数和对称半正定矩阵。因此，特征值和特征向量都应该是实数，但是 numpy.linalg.eig() 返回的是具有（几乎）零虚部的复数值。
这里的协方差矩阵太大了post，但是特征值是
[1.38174e01+00j, 9.00153e00+00j, ....]
矢量中最大的虚部在 -9.7557e-16j 处可以忽略不计。
我认为这里存在一些机器精度问题，因为虚部显然可以忽略不计（并且假设我的协方差矩阵是 real pos semi-def）。
有没有办法使用 numpy eig（或 scipy）抑制返回虚部？我试图避免使用 if 语句来检查特征值对象是否复杂，然后尽可能将其设置为实数分量。
我认为针对此特定案例的最佳解决方案是使用@PaulPanzer 的建议，即np.linalg.eigh。这直接适用于 Hermitian 矩阵，因此只有真实的特征值，正是这个特定的用例。
一般来说，检索数组中数字的实部非常简单：
>>> np.real(np.array([1+1j,2+1j]))
array([ 1., 2.])
numpy.real returns 你的数字的实部。