Question

谷歌搜索了一段时间后，我在这里寻求帮助。

我有一个从函数返回的两个float64变量。他们两个显然都是1：

>>> x, y = somefunc()
>>> print x,y
>>> if x < 1 :   print "x < 1"
>>> if y < 1 :   print "y < 1"
1.0  1.0
y < 1

当变量定义为float32时，行为会发生变化，在这种情况下，不会出现“y＆lt; 1”语句。

我尝试过设置

np.set_printoptions(precision=10)

期望看到变量之间的差异，但即便如此，它们在打印时都显示为1.0。

此时我有点困惑。有没有办法可视化这些float64数字的差异？是否可以“if / then”可靠地用于检查float64号码？

由于特雷瓦雷兹

Answer 1

打印值不正确。在您使用y时，使用1时float64小于1，使用float32时大于或等于float。这是预期的，因为舍入误差取决于epsilon的大小。

为了避免这种问题，在处理浮点数时，你应该总是决定一个“最小错误”，通常称为epsilon，而不是比较相等，检查结果是否最远{ {1}}来自目标值：

In [13]: epsilon = 1e-11

In [14]: number = np.float64(1) - 1e-16

In [15]: target = 1

In [16]: abs(number - target) < epsilon   # instead of number == target
Out[16]: True

特别是，numpy已经提供np.allclose，这对于在给定一定容差的情况下比较数组是否有用。即使参数不是数组（例如np.allclose(1 - 1e-16, 1) -> True），它也可以工作。

但请注意，numpy.set_printoptions不会影响np.float32 / 64的打印方式。它仅影响数组的打印方式：

In [1]: import numpy as np

In [2]: np.float(1) - 1e-16
Out[2]: 0.9999999999999999

In [3]: np.array([1 - 1e-16])
Out[3]: array([ 1.])

In [4]: np.set_printoptions(precision=16)

In [5]: np.array([1 - 1e-16])
Out[5]: array([ 0.9999999999999999])

In [6]: np.float(1) - 1e-16
Out[6]: 0.9999999999999999

另请注意，在交互式解释器中执行print y或评估y会产生不同的结果：

In [1]: import numpy as np

In [2]: np.float(1) - 1e-16
Out[2]: 0.9999999999999999

In [3]: print(np.float64(1) - 1e-16)
1.0

区别在于print在评估调用str时调用了repr：

In [9]: str(np.float64(1) - 1e-16)
Out[9]: '1.0'

In [10]: repr(np.float64(1) - 1e-16)
Out[10]: '0.99999999999999989'

Answer 2

In [26]: x  = numpy.float64("1.000000000000001")

In [27]: print x, repr(x)
1.0 1.0000000000000011

换句话说，你被print陈述中的精度损失所困扰。该值与1略有不同。

Answer 3

根据这里提供的建议，我用这种方式总结了答案：

为了在浮点数之间进行比较，程序员必须定义它们被认为是不同的最小距离（eps）（例如，eps = 1e-12）。这样做，条件应该写成：

Instead of (x>a), use (x-a)>eps
Instead of (x<a), use (a-x)>eps
Instead of (x==a), use abs(x-a)<eps

这不适用于整数之间的比较，因为它们之间的差异固定为1.

希望它帮助了其他人，因为它帮助了我。

float32 / float64 numpy变量的不同行为

3 个答案: