python - 在numpy中将负数舍入为零时如何消除多余的减号？

Question

我有一个关于 numpy 中的 fix 和 floor 函数的简单问题。当将大于 -1 的负数舍入为零时，numpy 将它们正确地舍入为零，但会留下一个负号。这个负号干扰了我的服装 unique_rows 函数，因为它使用了 ascontiguousarray比较数组的元素，这个符号扰乱了唯一性。 round 和 fix 在这方面的行为相同。

>>> np.fix(-1e-6)
Out[1]: array(-0.0)
>>> np.round(-1e-6)
Out[2]: -0.0

关于如何摆脱标志的任何见解？我考虑过使用 np.sign 函数，但它会带来额外的计算成本。

Answer 1

您在 -0. 和 +0. 之间遇到的问题是 float 行为规范 (IEEE754) 的一部分。在某些情况下，人们需要这种区分。例如，参见 the docs for around 中链接的文档.

还值得注意的是，两个零应该比较相等，所以

np.array(-0.)==np.array(+0.) 
# True

也就是说，我认为问题更有可能与您的唯一性比较有关。例如:

a = np.array([-1., -0., 0., 1.])
np.unique(a)
#  array([-1., -0.,  1.])

如果您想将数字保留为 float 但所有零都相同，您可以使用:

x = np.linspace(-2, 2, 6)
#  array([-2. , -1.2, -0.4,  0.4,  1.2,  2. ])
y = x.round()
#  array([-2., -1., -0.,  0.,  1.,  2.])
y[y==0.] = 0.
#  array([-2., -1.,  0.,  0.,  1.,  2.])

# or  
y += 0.
#  array([-2., -1.,  0.,  0.,  1.,  2.])    

但是请注意，您确实需要做一些额外的工作，因为您正试图避免浮点规范。

另请注意，这不是由于舍入误差造成的。例如，

np.fix(np.array(-.4)).tostring().encode('hex')
# '0000000000000080'
np.fix(np.array(-0.)).tostring().encode('hex')
# '0000000000000080'

也就是说，得到的数字是完全一样的，但是

np.fix(np.array(0.)).tostring().encode('hex')
# '0000000000000000'

是不同的。这就是您的方法不起作用的原因，因为它正在比较数字的二进制表示形式，这对于两个零是不同的。因此，我认为问题更多的是比较方法，而不是比较 float 唯一性的一般思路。

各种方法的快速 timeit 测试:

data0 = np.fix(4*np.random.rand(1000000,)-2)
#   [ 1. -0.  1. -0. -0.  1.  1.  0. -0. -0. .... ]

N = 100
data = np.array(data0)
print timeit.timeit("data += 0.", setup="from __main__ import np, data", number=N)
#  0.171831846237
data = np.array(data0)
print timeit.timeit("data[data==0.] = 0.", setup="from __main__ import np, data", number=N)
#  0.83500289917
data = np.array(data0)
print timeit.timeit("data.astype(np.int).astype(np.float)", setup="from __main__ import np, data", number=N)
#  0.843791007996

我同意@senderle 的观点，即如果您想要简单而准确的比较并且可以使用整数，那么整数通常会更容易。但是如果你想要独特的 float ，你也应该能够做到这一点，尽管你需要更小心地做。 float 的主要问题是你可以有一些小的差异，这些差异可以从计算中引入并且不会出现在正常的 print 中，但这不是一个巨大的障碍，尤其是在 round, fix, rint 以获得合理的 float 范围。