当从单个 float 中减去数组时,我遇到了 python 自动舍入非常小的数字(小于 1e-8)的问题。举个例子:
import numpy as np
float(1) - np.array([1e-10, 1e-5])
关于如何强制 python 不舍入的任何想法?这迫使我在某些情况下除以零,并成为一个问题。从 numpy 数组中减去时会出现同样的问题。
最佳答案
大多数情况下,只是 numpy 数组的 repr
欺骗了你。
考虑上面的例子:
import numpy as np
x = float(1) - np.array([1e-10, 1e-5])
print x
print x[0]
print x[0] == 1.0
这会产生:
[ 1. 0.99999 ]
0.99999999999
False
所以第一个元素实际上不是零,它只是 numpy 数组的 pretty-print 以这种方式显示它。
这可以通过 numpy.set_printoptions
. 控制
当然,numpy 从根本上说是使用有限精度的 float 。 numpy 的全部意义在于成为类似数据数组的内存高效容器,因此 numpy 中没有与 decimal
类等效的类。
但是,64 位 float 具有相当大的精度范围。使用 1e-10 和 1e-5 不会遇到太多问题。如果需要,还有一个 numpy.float128
dtype,但操作会比使用 native float 慢得多。
关于python - 在 Python 中减去 numpy 数组时不需要的舍入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6867348/