python - 使用 Numpy 在 Python 中使用 float 舍入错误

Question

我遇到了一个问题，我认为这与使用 float 和精度有关，但我不是很精通所涉及的各种复杂问题。我是一个数学家，在我看来，我还不如只是在黑板上处理小数。我将开始对此进行研究，但与此同时，我想知道是否有任何处理 float 的通用技术可以解决我将在下面概述的问题。

我有一个 numpy 小数数组，我想将其四舍五入到最接近的 .02。我最初是通过将数组的每个元素除以 .02，对结果进行四舍五入，然后再次乘以 .02 来完成此操作的。实际数据是由一些处理输入的代码生成的，但这说明了问题:

x = np.array([.45632, .69722, .40692])
xx = np.round(x/.02)*.02

它似乎正确地将所有内容四舍五入，正如我可以检查的那样:

xx
array([0.46, 0.7, 0.4])

但是，如果我检查第一个和第二个元素，我会得到:

xx[0]
0.46000000000000002
xx[1]
0.70000000000000007

数组中的每个元素都是 numpy.float64 类型。稍后会出现问题，因为我将这些数字与比较运算符结合起来以选择数据的子集，然后发生的事情有点不可预测:

xx[0] == .46
True

但是，

xx[1] == .70
False

正如我所说，我有一个解决这个特定应用程序的方法，但我想知道是否有人有办法使我的第一种方法起作用，或者是否有处理这些类型的数字的技术更通用我应该知道。

Answer 1

而不是使用 ==要选择数据子集，请尝试使用 numpy.isclose() .这允许您为比较指定相对/绝对公差 (absolute(a - b) <= (atol + rtol * absolute(b)))