對于下面的代碼，我希望范圍停止在值 1.0，但它一直上升到 1.099999...，這是有道理的，因為它是一個浮點值。創(chuàng)建步長為 0.1 的范圍的更好方法是什么？import numpy as npstart = 0.5stop = 1.0step = 0.1for parameter_value in np.arange(start, stop + step, step): print(parameter_value)輸出0.50.60.70.79999999999999990.89999999999999990.99999999999999991.0999999999999999
2 回答
白板的微信
TA貢獻1883條經(jīng)驗 獲得超3個贊
您無法以二進制IEEE 754格式精確表示 0.1，這是大多數(shù)現(xiàn)代架構(gòu)在內(nèi)部使用的表示浮點數(shù)的格式。
最接近 0.1 的二進制值僅比真實值稍差一些。當您將這個最接近的近似值添加五次時，誤差將會增加。
根據(jù)文檔np.arange：
當使用非整數(shù)步長（例如 0.1）時，結(jié)果通常會不一致。最好用于
numpy.linspace這些情況。
原因是通過夾緊兩端，linapace可以對累積誤差做出一些保證，而這是arange不能保證的。使用的每個單獨的步長可能不是最接近的 0.1 二進制表示，但每個元素從開始到結(jié)束linspace都會盡可能接近。n * 0.1
linapace對應(yīng)的調(diào)用np.arange(0.5, 1.1, 0.1)是
np.linspace(0.5, 1.0, 6)
另一個優(yōu)點linspace是你可以固定點數(shù)。另外根據(jù)arange文檔（返回值）：
對于浮點參數(shù)，結(jié)果的長度為
ceil((stop - start)/step)。由于浮點溢出，此規(guī)則可能會導(dǎo)致out的最后一個元素大于stop。
胡說叔叔
TA貢獻1804條經(jīng)驗 獲得超8個贊
作為替代方案，您可以利用除法不會產(chǎn)生與迭代加法一樣多的錯誤這一事實。這是浮點運算所能得到的最精確的結(jié)果：
np.arange(5, 11) / 10.0 # => array([0.5, 0.6, 0.7, 0.8, 0.9, 1. ])
（np.linspace使用非常相似的公式，但只要您使用有理數(shù)，上面的代碼在您的用例中可能更容易理解 - 您不必自己計算步數(shù)。）
添加回答
舉報
0/150
提交
取消