在Python中减去numpy数组时发生不必要的四舍五入

Question

从一个浮点数中减去一个数组时，我遇到了python自动舍入很小数字（小于1e-8）的问题。以这个例子：

import numpy as np 
float(1) - np.array([1e-10, 1e-5]) 

任何想法如何强制蟒蛇不轮？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。

Answer 1

大多数情况下，它只是无所事事浪费你numpy的阵列的repr。

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 

这产生了：

[ 1.  0.99999 ] 
0.99999999999 
False 

所以第一个元素是不实际为零，它只是numpy的阵列的漂亮打印一下显示这种方式。

这可以通过numpy.set_printoptions.

当然，numpy的是fundementally利用有限的精度浮点值来控制。 numpy的全部要点是为类似数据的数组提供一个内存高效的容器，所以在numpy中没有相应的类。

然而，64位浮点数有一个不错的精度范围。 1e-10和1e-5不会造成太多问题。如果你需要，还有一个numpy.float128 dtype，但操作将比使用本地浮点数慢得多。

Answer 2

我想所有依赖于非常小的浮点数的处理，由Python和底层的C库，在某一点往往会失去精度。

如果你需要的精度，恕我直言，你应该依赖于不同的东西，比如断片的数量等该级别

我不知道是否已经有东西来处理，但如果你能设法以不同的方式表示数字（例如1/10000000000和1/100000），然后仅在所有计算结束时计算浮点结果，则应避免所有这些问题。

（当然，你需要一些类，自动地处理断片的计算，以避免重新实现公式等）