浮点值的numpy数组tolist（）问题

Question

我有一个 Numpy 数组，它是通过将 Numpy 数组与浮点数相乘而获得的。

a = np.array([3, 5, 7, 9]) * 0.1

得到的数字是精确的，没有任何四舍五入。

>>> a
array([0.3 0.5 0.7 0.9])

但是，如果我将数组转换为带有 a.tolist() 的列表，则列表中会出现 0.30000000000000004 之类的条目，而不是 0.3。

>>> a.tolist()
[0.30000000000000004, 0.5, 0.7000000000000001, 0.9]

我的问题是，我该如何避免这种情况，如果有人出于纯粹的兴趣知道为什么会发生这种情况。非常感谢您的帮助。

Answer 1

这个问题通常与浮点有关（在 Python 控制台中执行 3 * .1）。在您的情况下，您可以简单地除以 10 而不是 0.1 的倍数。

a = np.array([3, 5, 7, 9]) / 10

另见：Floating Point Error Mitigation Decimal Module

Answer 2

这不是 Numpy 的问题。相反，这是 Python 和其他语言中众所周知的 problem with floating-point values。

你可以在 Python 终端试试这个。

>>> 3 * 0.1
0.30000000000000004

---

但是，这里有区别。

这里的区别在于 Numpy 和 Python 如何表示这些值。

当你打印一个 Numpy 数组时，它会将数组传递给 np.array_repr 并返回数组的字符串表示形式。

注意参数precision。默认设置为numpy.get_printoptions()['precision'] 或8。

>>> np.get_printoptions()['precision']
8

这比0.30000000000000004 的精度17 要早。因此，我们看到的结果被四舍五入为0.3。

让我们用precision 设置尝试更多。

>>> a = np.array([3, 5, 7, 9]) * 0.1

precision=17

>>> print(np.array_repr(a, precision=17))
array([0.30000000000000004, 0.5, 0.7000000000000001, 0.9])

precision=16

>>> print(np.array_repr(a, precision=16))
arrayarray([0.3, 0.5, 0.7000000000000001, 0.9])

precision=15

>>> print(np.array_repr(a, precision=15))
array([0.3, 0.5, 0.7, 0.9])

---

将 Numpy 数组转换为列表时，由于列表在表示值时不具备精度特性，因此列表中的浮点值按原样显示。

如果您希望值在转换为列表时看起来相同，请至少将它们四舍五入到小数点后八位。

>>> print(list(np.round(a, 8)))
[0.3, 0.5, 0.7, 0.9]