在检查浮点数之间的相等性时需要格外小心,通常应考虑容忍度,例如使用numpy.allcose。
问题1:使用“ in”关键字检查是否存在特定的浮点数是否安全(或者为此目的是否存在类似的关键字/功能)?示例:
if myFloatNumber in myListOfFloats:
print('Found it!')
else:
print('Sorry, no luck.')
问题2:如果没有,什么是一个整洁的解决方案?
答案 0 :(得分:4)
如果您不在同一位置或使用完全相同的方程式计算浮点数,则此代码可能会产生假负数(由于舍入误差)。例如:
>>> 0.1 + 0.2 in [0.6/2, 0.3] # We may want this to be True
False
在这种情况下,我们只能使用一个自定义的“ in
”函数,该函数实际上将成为现实(在这种情况下,使用numpy.isclose
而不是{{3}可能更好/更快。 }):
import numpy as np
def close_to_any(a, floats, **kwargs):
return np.any(np.isclose(a, floats, **kwargs))
文档中有一个重要说明:
警告 默认的
atol
不适用于比较比1小得多的数字(请参阅注释)。 [...] 如果期望值明显小于1,则可能导致误报。
该注释还补充说明,atol
与numpy.allclose
的abs_tol
不为零。如果在使用close_to_any
时需要自定义公差,请使用kwargs
将rtol
和/或atol
向下传递给numpy。最后,您现有的代码将转换为:
if close_to_any(myFloatNumber, myListOfFloats):
print('Found it!')
else:
print('Sorry, no luck.')
或者您可以选择一些close_to_any(myFloatNumber, myListOfFloats, atol=1e-12)
,请注意1e-12
是任意的,除非有充分的理由,否则不应使用此值。
回到我们在第一个示例中观察到的舍入误差,将得出:
>>> close_to_any(0.1 + 0.2, [0.6/2, 0.3])
True
答案 1 :(得分:1)
第一季度:
取决于您将如何实现此目标。但是正如其他使用float提到的那样,使用in
运算符并不是一个好主意。
第二季度:
您对性能有任何限制吗?
myListOfFloats
会被排序吗?
如果它是浮点值的排序列表,并且需要尽快执行,则可以实现binary search算法。
如果未对数据进行排序,则取决于要进行的查询数量与数据大小之间的比率,您可能希望对数据进行排序并保持排序。
如果您对性能和速度没有任何要求,则可以使用以下示例作为基础:
def inrng(number1,number2,prec):
if(abs(number1-number2)<prec):
return True
else:
return False
precision=0.001
for i in myListOfFloats:
if(inrng(i,myInputNumber,precision)):
#do stuff