Question

我试图在ndarray中找到一个浮点数。由于我使用的软件包（Abaqus），它输出的精度有点低。例如，10就像是10.00003。因此，我想知道是否有一种“正确”的方法，这比我的代码更整洁。

示例代码：

import numpy as np

array = np.arange(10)
number = 5.00001

如果我这样做：

idx = np.where(number==array)[0][0]

然后结果为空，因为5.00001不等于5.

现在我在做：

atol = 1e-3 # Absolute tolerance
idx = np.where(abs(number-array) < atol)[0][0]

哪个有效，而且不太乱......但我想知道会有一个更简洁的方法来做到这一点。谢谢！

PS：numpy.allclose()是另一种方法，但我需要使用number * np.ones([array.shape[0], array.shape[1]])，而且对我来说似乎仍然很冗长......

编辑：非常感谢你们的精彩答案！ np.isclose（）是我正在寻找的确切函数，我错过了，因为它不在文档中...我不会意识到这一点，直到他们更新文档，如果不是你们。再次感谢你！

Answer 1

PS：numpy.allclose（）是另一种方法，但我需要使用数字* np.ones（[array.shape [0]，array.shape [1]]），它仍然看起来很冗长我...

你几乎不需要做number * np.ones([array.shape[0], array.shape[1]])之类的事情。正如您可以将该number数组的标量ones乘以1所有number值，您可以将该标量number传递给{ {1}}将所有原始数组的值与allclose进行比较。例如：

number

作为旁注，如果你真的做需要一个包含所有2的数组，那么比用>>> a = np.array([[2.000000000001, 2.0000000002], [2.000000000001, 1.999999999]]) >>> np.allclose(a, 2) True乘以2更简单的方法：

ones

就此而言，我不知道为什么你需要做>>> np.tile(2, array.shape) array([[2, 2], [2, 2]])。如果数组是2D，则与[array.shape[0], array.shape[1]]完全相同。如果数组可能更大，则与array.shape完全相同。

我不确定这会解决您的实际问题，因为您似乎想知道哪些哪些接近而不是接近，而不仅仅是它们是否都是。但是你说你可以使用array.shape[:2]的事实，如果不是因为创建要与之比较的数组过于冗长这一事实。

所以，如果你需要allclose而不是whereclose ......那么，就没有这样的功能了。但是自己构建起来非常容易，如果你反复这样做，你总是可以把它包起来。

如果你有类似allclose方法的isclose，但是返回一个bool数组而不是一个bool - 你可以写一下：

allclose

......或者，如果你一遍又一遍地这样做：

idx = np.where(isclose(a, b, 0, atol))[0][0]

事实证明，numpy does have exactly that function的版本1.7（另请参阅here），但它似乎不在文档中。如果您不想依赖可能未记录的函数，或者需要使用numpy 1.6，那么您可以自己轻松地编写它：

def whereclose(a, b, rtol=1e-05, atol=1e-08):
    return np.where(isclose(a, b, rtol, atol))

idx = whereclose(a, b, 0, atol)[0][0]

Answer 2

如果您有最新的numpy（1.7），那么最好的方法是使用np.isclose自动将形状广播在一起：

import numpy as np
a = np.arange(10)
n = 5.000001
np.isclose(a, n).nonzero()
#(array([5]),)

或者，如果您只期望一场比赛：

np.isclose(a, n).nonzero()[0][0]
#5

（np.nonzero与np.where基本相同，只是它没有if条件然后/ else功能）

Answer 3

上面使用的方法，特别是abs(A - B) < atol，是跨多种语言进行浮点比较的标准。显然，使用numpy A和/或B可以是数组或数字。

这是另一种可能有用的方法。我不确定它适用于你的情况，但如果你在数组中寻找多个数字（这是一个常见的用例），它可能会非常有用。它的灵感来自this question，它有点类似。

import numpy as np

def find_close(a, b, rtol=1e-05, atol=1e-08):
    tol = atol + abs(b) * rtol
    lo = b - tol
    hi = b + tol
    order = a.argsort()
    a_sorted = a[order]
    left = a_sorted.searchsorted(lo)
    right = a_sorted.searchsorted(hi, 'right')
    return [order[L:R] for L, R in zip(left, right)]

a = np.array([2., 3., 3., 4., 0., 1.])
b = np.array([1.01, 3.01, 100.01])
print find_close(a, b, atol=.1)
# [array([5]), array([1, 2]), array([], dtype=int64)]

在ndarray中找到float

3 个答案: