Scipy Shift函数失去精度答案

【问题标题】：Scipy Shift function losing precisionScipy Shift函数失去精度
【发布时间】：2019-02-18 16:22:21
【问题描述】：

from scipy.ndimage.interpolation import shift
a = np.array([0., 1.])
shift_left = shift(a, -1, cval=np.NaN)
shift_right = shift(a, 1, cval=np.NaN)
print(shift_left)
print(shift_right)

这是上面代码的结果

[ 1. nan]
[ nan -8.32667268e-17]

这是我期望的结果

[ 1. nan]
[ nan 0.]

这种精度损失是否有原因？有谁知道可能导致此问题的原因以及我该如何解决？当我移动包含值 0 的数组时似乎会发生这种情况，尽管据我所知，这可能发生在其他情况下。

【问题讨论】：

1e-17 基本上为零。我不了解底层算法，但获得这样的微小值并不少见。您应该为您的问题定义一个“epsilon”，可以将其视为零，或者忽略这个微小的值，因为它可能不会影响您的进一步处理。 See this Matlab answer for example.
如果您想为您的案例提供明确的答案，您将不得不查找scipy 插值函数的源代码。
是的，我知道它基本上为零，但是我使用 numpy argmin 来选择具有最小值的索引，并且我想通过选择较小的索引来打破平局。当值不精确时，这不起作用。我设法通过实现自己的 shift 函数来解决它，但我仍然想知道 scipy 的 shift 发生了什么。
你可以在shift_left[np.abs(shift_left) < np.finfo(np.float64).eps] = 0调用shift函数后将它们设置为零。
你看到的不是精度损失，而是浮点运算的结果。您的结果仍然小于machine epsilon for the float64 type。以数字方式处理浮点数时，会出现这样的结果。

标签： python numpy scipy

【解决方案1】：

你得到的数字-8.32667268e-17小于float64类型的（负数）machine epsilon。处理浮点数的算法预期会得到这样的结果。您可以在班次后将所有小于机器 epsilon 的值设置为零：

def eps2zero(x, dtype=np.float64):
    """ this sets values < eps to zero in-place """
    x[np.abs(x) < np.finfo(dtype).eps] = 0

【讨论】：