numpy或python中的等效matlab函数mod

Question

我正在将一些代码从Matlab转换为Python。

在matlab中有函数mod ，它给出了模运算。

例如，以下示例显示了matlab mod和等效numpy remainder操作之间的不同结果：

Matlab的：

>> mod(6, 0.05)

ans =

     0

NumPy的：

np.remainder(6, 0.05) 
0.04999999999999967

np.mod(6, 0.05)
0.04999999999999967

Python模运算符给出与numpy相同的结果。

6%0.05
0.04999999999999967

python中有没有提供与Matlab相同的mod操作？ 优选地，可以在numpy 2d / 3d阵列上操作。

numpy 文档说numpy.mod相当于matlab mod 。

Answer 1

这是问题的核心，在python中：

>>> 6/0.05 == 120
True

>>> 6//0.05 == 120  # this is 119 instead
False

6/0.05的浮点结果足够接近120（即在双精度的分辨率内），它被舍入到120.0。 但是，它比120略小，因此明确的分区将在将其标准化为120.0之前将该数字截断为119。

一些证据：

>>> from decimal import Decimal
... print(6/Decimal(0.05))  # exactly approximate
... print(6/Decimal('0.05'))  # exact
119.9999999999999933386618522
1.2E+2

第一个数字是你最初得到的6/0.05 ，但数字119.9999999999999933386618522四舍五入到最接近的数字，用双精度表示，这是120.可以很容易地证明这两个数字在双精度内确实是相同的：

>>> print(6/Decimal('0.05') - 6/Decimal(0.05))
6.6613381478E-15

>>> 120 - 6.6613381478E-15 == 120
True

现在来自MATLAB的help mod ：

    MOD(x,y) returns x - floor(x./y).*y if y ~= 0, carefully computed to
    avoid rounding error. If y is not an integer and the quotient x./y is
    within roundoff error of an integer, then n is that integer.

这表明当x/y接近整数时，它首先舍入，而不是像python中那样被截断。 所以MATLAB不遗余力地利用浮点结果做一些魔术。

最简单的解决方案是自己舍入你的数字（除非你可以使用像decimal.Decimal这样的decimal.Decimal ，但这意味着你应该完全放弃原生双打，包括文字）并以这种方式重现MATLAB的mod ，假设对你的用例有意义。

Answer 2

这是一个解决方法。 它基本上将分母舍入到它的str表示，并从那里进行整数运算：

import numpy as np
import decimal

def round_divmod(b,a):
     n,d = np.frompyfunc(lambda x:decimal.Decimal(x).as_integer_ratio(),1,2)(a.astype('U'))
     n,d = n.astype(int),d.astype(int)
     q,r = np.divmod(b*d,n)
     return q,r/d

a = np.round(np.linspace(0.05,1,20),2).reshape(4,5)
a
# array([[0.05, 0.1 , 0.15, 0.2 , 0.25],
#        [0.3 , 0.35, 0.4 , 0.45, 0.5 ],
#        [0.55, 0.6 , 0.65, 0.7 , 0.75],
#        [0.8 , 0.85, 0.9 , 0.95, 1.  ]])
round_divmod(6,a)
# (array([[120,  60,  40,  30,  24],
#        [ 20,  17,  15,  13,  12],
#        [ 10,  10,   9,   8,   8],
#        [  7,   7,   6,   6,   6]]), array([[0.  , 0.  , 0.  , 0.  , 0.  ],
#        [0.  , 0.05, 0.  , 0.15, 0.  ],
#        [0.5 , 0.  , 0.15, 0.4 , 0.  ],
#        [0.4 , 0.05, 0.6 , 0.3 , 0.  ]]))