如何处理NumPy数组乘积的下溢与溢出问题

我有一个形状为(15077, 5)的二维NumPy数组，所有元素的值均≤1.0。想要实现以下操作：

product = array.prod(axis=0)
product = product / product.sum()

即返回二维数组每列乘积的数组，再进行归一化。但当前数据量下出现下溢，导致结果数组全为0（已确认输入数组无0值）。尝试过longdouble类型但问题仍存在；还尝试了自定义归一化逻辑：

results = np.ones(len(array[0]))
multiplier = 1
for row in array:
    results = results * (row * multiplier)
    while results.max() > 1:
        results = results / 2
        multiplier = multiplier / 2
    while results.max() > 0 and results.max() < 1:
        results = results * 2
        multiplier = multiplier * 2
return results / results.sum()

这段代码返回的数组不全为0，但不确定结果是否正确，其中一个元素为0，无法判断是算法错误还是列间差异过大导致。请问有没有能正确处理溢流下溢的方法？

解决方案 #

直接计算乘积会因为大量小于1的数相乘导致数值下溢，改用对数转换可以彻底解决这个问题——把乘法转换成加法，避免极小值的累积：

1. 对数组的每个元素取自然对数（所有元素>0，无需担心对数定义域问题）
2. 按列求和（对应原数组按列求乘积的对数）
3. 对求和结果取指数，还原成乘积（此时即使指数很小，NumPy的exp能处理极小值，不会直接下溢到0）
4. 最后做归一化

对应的代码实现：

import numpy as np

# 假设输入数组为arr
log_arr = np.log(arr)
log_prod = log_arr.sum(axis=0)
prod = np.exp(log_prod)
normalized_prod = prod / prod.sum()

方法原理 #

对于正数a1, a2, ..., an，有ln(a1*a2*...*an) = ln(a1)+ln(a2)+...+ln(an)，求和操作不会出现下溢（即使每个ln值是负数，累加后仍是可表示的浮点数）。最后用exp还原时，即使结果极小，也会被表示为接近0的浮点数而非直接变为0，后续归一化就能得到正确的比例。

关于自定义代码的问题 #

你写的自定义逻辑通过缩放因子避免数值溢出，但循环逐行处理效率极低，且处理极小值时可能因浮点数精度问题误判为0。另外，当某一列的乘积远小于其他列时，归一化后确实可能显示为0（实际是极小值被浮点数精度截断），用对数转换的方法可以保留这些极小值的比例信息。

内容的提问来源于stack exchange，提问作者Dan