向量夹角计算遇math domain error/NaN问题求解决方案

这个问题我之前也碰到过好几次，属于浮点运算里很典型的舍入误差坑，给你一个简洁又有效的解决方案：

核心思路就是把点积与模长乘积的比值强制限制在[-1, 1]范围内——毕竟理论上这个值的绝对值不可能超过1，只是浮点精度问题让它偶尔“越界”了。用np.clip()函数就能轻松搞定这个边界情况。

修改后的代码如下：

import math as m
import numpy as np

# 推荐用numpy内置的norm函数计算模长，比自己实现更高效且避免潜在误差
def mag(x):
    return np.linalg.norm(x)

u = np.array([1,1,1])
v = np.array([-1,-1,-1])

# 先计算比值，再用clip把范围锁死在[-1,1]
ratio = np.dot(u, v) / (mag(u) * mag(v))
ratio_clipped = np.clip(ratio, -1.0, 1.0)
theta = m.degrees(np.arccos(ratio_clipped))

print(f"theta = {theta}")
print(f"magnitude product = {mag(u) * mag(v)}")
print(f"dot product = {np.dot(u,v)}")
print(f"dot prod / mag prod = {ratio}")
print(f"dot prod / mag prod < -1.0 = {ratio < -1.0}")

运行这段代码后，theta会正确返回180.0，再也不会出现NaN或者定义域错误了。

为什么会出现这个问题？ #

你已经精准抓到了原因：当两个向量完全反向时，理论上np.dot(u,v)/(mag(u)*mag(v))等于-1，但浮点数的精度有限，实际计算时可能会得到一个略小于-1的值（比如-1.0000000000000002），而arccos的定义域严格是[-1,1]，超出范围自然会返回异常结果。

额外小提示： #

• 尽量用np.linalg.norm()计算模长，它是numpy优化过的内置函数，比自己写np.sqrt(np.sum(...))更高效，还能避免循环遍历数组带来的潜在误差；
• 如果不需要手动计算夹角，也可以直接用scipy.spatial.distance.cosine函数，它内部已经处理了这种边界情况，返回的是余弦距离（1 - 余弦相似度），你可以通过1 - distance.cosine(u, v)得到余弦值后再转角度。

内容的提问来源于stack exchange，提问作者GlenS