在 Python 中减去 numpy 数组时不需要的舍入答案

【问题标题】：Unwanted rounding when subtracting numpy arrays in Python在 Python 中减去 numpy 数组时不需要的舍入
【发布时间】：2011-07-29 00:26:19
【问题描述】：

当从单个浮点数中减去一个数组时，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 不圆的任何想法？在某些情况下，这迫使我除以零，并成为一个问题。从 numpy 数组中减去时也会出现同样的问题。

【问题讨论】：

【解决方案1】：

大多数情况下，只是 repr 的 numpy 数组在愚弄你。

考虑你上面的例子：

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并不是零，它只是以这种方式显示的 numpy 数组的漂亮打印。

当然，numpy 从根本上说是使用有限精度的浮点数。 numpy 的重点是成为类似数据数组的内存高效容器，因此 numpy 中没有 decimal 类的等价物。

但是，64 位浮点数具有不错的精度范围。 1e-10 和 1e-5 不会遇到太多问题。如果需要，还有一个 numpy.float128 dtype，但操作会比使用原生浮点数慢得多。

【讨论】：

【解决方案2】：

我猜这一切都取决于 Python 和底层 C 库对非常小的浮点数的处理，在某些时候往往会降低精度。

如果您需要那种级别的精度，恕我直言，您应该依赖一些不同的东西，例如分数等。

我不知道是否已经有东西可以处理，但如果你能设法以不同的方式表示这些数字（例如1/10000000000 和1/100000），然后仅计算浮点结果所有计算结束，你应该避免所有这些问题。

（当然，您需要一些自动处理分数计算的类，以避免重新实现公式等）

【讨论】：