Question

简化问题

我可以让Numpy同意Matlab和Python的round吗？

Matlab 2013a：

>> round(-0.5)
ans =
    -1

Python（使用Numpy数组，或只是一个标量，相同的结果）：

>>> import numpy
>>> round(numpy.array(-0.5))
-1.0

Numpy，奇怪的是：

>>> import numpy
>>> numpy.round(numpy.array(-0.5))
-0

圆形平台的这种差异是否依赖？

原始问题

Matlab附带一个包含一些音频数据的文件“handel.mat”：

>> which handel.mat
C:\Program Files\MATLAB\R2013a\toolbox\matlab\audiovideo\handel.mat
>> load handel
>> soundsc(y) % play the short audio clip

我想在Python中处理这些数据，所以我使用scipy.io.loadmat [1]。具体来说，我想缩放音频的值以跨越16位有符号整数的整个范围，即，音频信号的最小值被映射到-2 ^ 15，最大的值被映射到2 ^ 15-1。在Matlab中这样做给我的结果与Python不同，我感到很惊讶：

Matlab的：

>> load handel
>> int16(round(interp1([min(y), max(y)], [-2^15, 2^15-1], y(1:10))))
ans =
     -1              %%% <-- Different from Python
   -253
  -3074
  -1277
    252
   1560
    772
  -1025
  -1277
  -3074

的Python：

In [1]: import numpy as np

In [2]: import scipy.io as io

In [3]: mat = io.loadmat('handel.mat')

In [4]: np.int16(np.round(np.interp(mat['y'][:10], [mat['y'].min(), mat['y'].max()], [-2.0**15, 2.0**15-1.0])))
Out[4]:
array([[    0],      ### <-- Different from Matlab
       [ -253],
       [-3074],
       [-1277],
       [  252],
       [ 1560],
       [  772],
       [-1025],
       [-1277],
       [-3074]], dtype=int16)

实际上有1231个样本（总共73113个），Python和Matlab有所不同。我认为我对我的类型很谨慎，但实际上，这里的类型错误的错误表面很少：loadmat应该从MAT文件中推断出类型，并且int16之间的差异不大这两个系统。

已添加 interp / interp1d命令输出的第一个元素都是-0.5（在Python和Matlab中将其打印到第100个小数位确认了这一点但是，Numpy（np.round）中的舍入产生0，而Matlab将其舍入为-1。这是Matlab舍入语义的问题吗？此外 Python的内置非Numpy round for -0.5给了我-1！ Numpy和Python的round功能之间存在这种差异吗？ Python的round总是匹配Matlab的吗？

Windows64，Matlab 8.1（2013a），Python 2.7.4。

[1] http://docs.scipy.org/doc/scipy/reference/generated/scipy.io.loadmat.html

Answer 1

我认为您可以利用numpy.vectorize使用标准python round函数创建自定义numpy round函数：

>>> import numpy as np
>>> myround = np.vectorize(lambda x: round(x))
>>> a = np.array([-0.5, 0.5, -1.5, 1.5, -2.5, 2.5, 3.5, -3.5])
>>> print myround(a)
 [-1.  1. -2.  2. -3.  3.  4. -4.]

显示与Matlab相同的结果：

>> a = [-1.  1. -2.  2. -3.  3.  4. -4.];
>> round(a)
 ans =
    -1     1    -2     2    -3     3     4    -4

Answer 2

numpy.round，也称为numpy.around，舍入为最接近偶数值的半整数。这是不平台依赖，但是有目的的实现细节。

如果您希望在不使用Python的情况下进行快速回合，请参阅this answer。

摘要是，通过fesetround使用ctypes设置舍入是依赖于平台的黑客攻击。从帖子：

import numpy as np
import ctypes
FE_TONEAREST = 0x0000
FE_DOWNWARD = 0x0400
FE_UPWARD = 0x0800
FE_TOWARDZERO = 0x0c00
libc = ctypes.CDLL('libc.dylib')

v = 1. / (1<<23)
print repr(np.float32(1+v) - np.float32(v/2)) # prints 1.0
libc.fesetround(FE_UPWARD)
print repr(np.float32(1+v) - np.float32(v/2)) # prints 1.0000002

Matlab和Numpy以及Python的“round”函数之间的差异

简化问题

原始问题

2 个答案: