如何强制Python返回数值而非NaN，例如scipy.special.kn大输入场景

当x取值大于600时，第二类修正贝塞尔函数$K_2(x)$会随x指数级快速衰减，数值已经小于Python默认双精度浮点数（float64）可以表示的最小正阈值，发生数值下溢，因此scipy会返回NaN。
你运行示例代码得到的结果如下：

方法1：使用带指数缩放的贝塞尔函数接口 #

scipy内置了scipy.special.kve接口，返回的是$K_n(x) \times e^x$的计算结果，抵消了大x下的指数衰减项，不会发生下溢。如果需要在对数尺度下绘制$K_2(x)$的曲线，可以直接基于缩放后的结果计算对数值，不需要计算原始极小值：

import numpy as np
from scipy.special import kve
import matplotlib.pyplot as plt

x = np.logspace(0, 3, 100)
# 计算缩放后的结果，无下溢问题
k2_scaled = kve(2, x)
# 计算K2(x)的对数值，用于对数轴绘图
log_k2 = np.log(k2_scaled) - x
# 转成原始数值仅在x较小时有效，大x场景建议直接存储/使用对数值
k2 = np.exp(log_k2)

plt.plot(x, k2, label='$K_2(x)$')
plt.ylim(1e-300, 10) # 调整y轴下限到float64的最小正阈值附近
plt.yscale('log')
plt.xscale('log')
plt.legend()
plt.title(r'Modified Bessel function of the second kind $K_2(x)$')
plt.show()

方法2：使用任意精度计算库 #

如果确实需要获取大x下$K_2(x)$的原始数值，可以使用mpmath库设置更高的计算精度，避免下溢：

import mpmath as mp
# 设置计算精度为100位，可以根据需求调整
mp.mp.dps = 100

x = 700
# 计算K2(700)
k2_val = mp.besselk(2, x)
print(k2_val)
# 输出示例：1.32237948954248642523760589245721569394581834372942712437295877292621548958817336797586e-306

内容的提问来源于stack exchange，提问作者John Chen