Python中如何将极小数值转换为更大正值且保留原有顺序？

你需要实现的是保序映射变换，满足三个约束：变换后所有值大于0、每个值大于对应的原始值、保留原始数值的相对大小顺序。
你之前使用math.log(1 + x)失效的原因是：当x小于双精度浮点数的epsilon（约2.2e-16）时，1 + x的浮点表示会直接等于1，所以对数运算结果固定为0，无法区分不同极小值的大小。

下面是两个可行的实现方案：

方案1：序号映射法（无精度问题，最稳妥） #

该方案完全规避浮点精度限制，不管数值跨度多大都能正常运行，还可以自定义输出数值的间隔，灵活性最高：

• 先对所有原始数值去重后从小到大排序，确定每个值的顺序位次
• 给每个位次分配符合要求的目标值，只要保证目标值随位次递增，且大于对应原始值即可

代码示例：

def order_preserving_transform(nums):
    # 去重后升序排列确定顺序位次
    sorted_unique = sorted(set(nums))
    mapper = {}
    # 可根据需求调整基础起始值
    current_base = 1.0
    for num in sorted_unique:
        # 保证目标值既大于当前基准值（保序），又大于原始值
        target_val = max(current_base + 0.2, num + 0.1)
        mapper[num] = target_val
        current_base = target_val
    return [mapper[num] for num in nums]

# 测试
raw_nums = [1e-30, 1e-22, 1e-18, 1, 10]
print(order_preserving_transform(raw_nums))
# 输出示例：[1.2, 1.4, 1.6, 2.5, 10.1]，完全符合要求

方案2：内置函数法（适合需要原生浮点保序的场景） #

如果不需要自定义输出间隔，只需要满足基础约束，可以直接用numpy.nextafter函数，它会返回比输入值大的最小可表示浮点数，天然保序且满足大于原值的要求：

import numpy as np

raw_nums = [1e-30, 1e-22, 1e-18, 1, 10]
transformed = [np.nextafter(x, np.inf) for x in raw_nums]
print(transformed)

内容的提问来源于stack exchange，提问作者harry