np.floor（）和浮点除法的奇怪行为

debugcn 发表于 Dev

侠客

这里发生了什么？

In [86]:  np.floor(10.0 * .91)
Out[86]:  9.0

In [87]:  np.floor(10.0 * .91)/10.0
Out[87]:  0.90000000000000002

为什么不0.9呢？

编辑：

我想做这样的事情：

#create 2d bins
bins = {}
for x in np.arange(-1,1, 0.1):
    for y in np.arange(-1,1, 0.1):
        bins[(x,y)] = 0

#count number of occurences in each bin
for x,y in np.random.randn(10,2):
    rounded = (np.floor(10.0 * x)/10.0, np.floor(10.0 * y)/10.0)
    bins[(x,y)] += 1   # I get an error here

纳幸

事实证明，float64与Python的相比，numpy具有用于转换为字符串的不同算法float。

当字符串0.90000000000000002和0.9解析为float64时，它们最终将具有相同的位模式。

您可以确认np.floor(10.0 * .91)/10.0 == 0.9产量True。

根本问题是，在将浮点数转换为字符串时，应指定多少个小数位？一些实现使用最小位数，以便将字符串解析为最接近的浮点值将产生相同的值。一些实现将为安全性提供额外的数字。

因为最终，float（“ 0.9”）实际上完全等于0.90000000000000002220446049250313080847263336181640625。所以从某种意义上说，两个答案都是正确的。

问答第二部分：您可以花时间弄清楚浮点的工作原理，也可以将整数存储桶用于字典。

换句话说，不是像这样-1.0, -0.9, -0.8, ..., 0.9的键，而是像键一样-10, -9, -8, ..., 9。它应该避免将来出现很多问题。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。