python - Numpy 与 Python 浮点计算产生不同的结果

Question

我有一个 float 列表列表，如下所示:

u = [[1.2, 1.534, 23.5, ...], [0.2, 11.5, 3.3223, ...], ...]

使用Python计算一个新列表(高度和宽度是列表尺寸，u2是设置为0.0的 float 列表的列表):

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = u[i][j-1] + u[i-1][j] - time * (u[i][j+1] / u[i+1][j])
    u = deepcopy(u2)

正如预期的那样，这会生成一个新的 float 列表。

但是，通过简单的操作将其传输到 Numpy:

un = array(u)

然后使用相同类型的循环(u2 这次是一个零数组):

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = un[i][j-1] + un[i-1][j] - time * (un[i][j+1] / un[i+1][j])
    un = u2

... 只要 height、width 和时间范围都很小，就会产生与 Python 实现相同的结果，但当这些变量设置得更高并且时间范围更大时，结果会不同更高。

• 有没有办法防止这种 float 误差的累积？

(这不是真正的代码，只是我在闲逛以了解 Python 和 Numpy 中如何处理数字，因此任何有关矢量化或其他 Numpy 效率内容的建议都是题外话)

Answer 1

乍一看，问题似乎是un = u2。这将创建对 u2 的引用而不是副本，因此您可以直接在内部循环内修改 u 。这将为您提供与纯 Python 版本不同的结果，因为 u2[i][j] 处的值取决于 u[i][j-1] 和 >u[i-1][j].

尝试使用 un = u2.copy() 来强制复制。