NumPy中的math.remainder()函数等效于什么？基本上，我想为NumPy数组y = x - np.around(x)计算x。 （重要的是y的所有元素都绝对不超过1/2）。在查看NumPy文档时，np.fmod和np.remainder都不起作用。
很显然，我曾考虑过编写x - np.around(x)，但恐怕对于大的x减法会产生浮点错误。例如：
import numpy as np
a = np.arange(1000) * 1e-9
x = a / 1e-9
y = x - np.around(x)
应该产生全零向量y，但实际上会出现一些错误（如果将数组的大小从1000增加到10000，错误会变得更大）。
我问这个问题的原因是要弄清楚是否有为此目的直接调用C数学库remainder（如math.remainder那样的NumPy函数）以最小化浮动点错误。
答案 0 :(得分：0)
我不认为当前存在numpy。也就是说，自动numpy.vectorize调用对我来说是正确的事，例如：
import math
import numpy as np
ieee_remainder = np.vectorize(math.remainder)
ieee_remainder(np.arange(5), 5)
这很好地广播了参数，给出了：
array([ 0., 1., 2., -2., -1.])
这可能就是您想要的。
性能比本地实现慢大约10倍。给定一万个元素阵列，我的笔记本电脑大约需要以下时间：
ieee_remainder的1200 µs numpy.fmod持续80 µs 鉴于glibc's remainder implementation的复杂性，我惊讶的是它是如此之快。