Question

为什么这会失败？我创建一个数组，用该数组创建一个新变量减去数组中的值，然后将数组与出现的值进行比较。那么为什么平等测试会失败呢？

import numpy as np
import platform
print platform.python_version()
print np.__version__ 
x = np.arange( -1,1,0.1 )
new_x = x - x[5]
print new_x
print new_x == -0.2

输出：

2.7.9
1.9.2
[-0.5 -0.4 -0.3 -0.2 -0.1  0.  0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9  1.   1.1  1.2  1.3  1.4]
[False False False False False False False False False False False False False False False False False False False False]

编辑：使用np.round（）会使比较按预期运行;现在的问题是，为什么我打印数组时会出现舍入数字？根据我的经验，当数字不准确时，python通常会打印科学记数法或只是一堆小数位。

令人震惊的是，我已经在科学上用python编程了6年，从未见过这个！这感觉就像一个菜鸟问题，但我真的不明白为什么打印的是圆形的。

Answer 1

正如您所怀疑的，奇怪的行为是由于在浮点计算期间发生的小精度错误。要查看差异，可以使用float.hex()：

将浮点数转换为十六进制格式

>>> new_x[3].hex()
'-0x1.9999999999998p-3'
>>> (-0.2).hex()
'-0x1.999999999999ap-3'

请注意，它们实际上是两个不同的浮点数。＆＃34;舍入＆＃34;仅在打印时发生，实际上是Python itself does by default。基本思想是Python对象（包括浮点数）有两种形式的字符串表示形式：str和repr。虽然repr应该返回一个＆＃34;真实的＆＃34;，可重现的字符串表示，str应优化人类可读性 - 其中一部分包括＆＃34;舍入＆＃34;，以隐藏精度误差小。注意：

>>> repr(new_x[3])
'-0.19999999999999996'
>>> repr(-0.2)
'-0.2'

对于浮点数，您可以使用numpy.isclose()模拟相等性检查，如下所示：

>>> print numpy.isclose(new_x, -0.2)
[False False False  True False False False False False False False False
 False False False False False False False False]

Python Numpy数组相等失败

1 个答案: