[英]How can I set floating point precision to avoid floating point arithmetic error in Python?
我一直在 Python 中遇到一个我似乎无法弄清楚的浮点算术错误。
问题:我需要创建一个权重,使所有权重总和为 1,而不是,例如:0.99999999999999。
例如,以下代码:
values = numpy.array([9626.40000000034, 0. , 0. , 0. , 0. , 0. ,
0. , 0. , 36907.300000000000054])
weights = values/values.sum()
weights.sum()
产量:
0.99999999999999989
而不是 1。我尝试乘以 1000,转换为字符串(以切断精度),然后转换回浮点数并除以 1000。它不起作用。 我也尝试过使用 Decimal。
from decimal import *
string_weight = []
float_weight = []
getcontext().prec = 3
for number in weights:
string_weight.append(Decimal(str(number)))
for string in string_weight:
float_weight.append(float(string))
fuel_weights = numpy.array(fuel_weights_float)
fuel_weights.sum()
答案是:
1.0009999999999999
那不是我想要的。 我只想要一个简单的“1.0”。
sys.version 报告给出:
3.6.8 |Anaconda, Inc.| (default, Dec 29 2018, 19:04:46)
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)]
我正在使用 Mac OS X Catalina。
这个二进制算术问题的解决方案是使用 Decimal,下面是如何正确使用它。
首先,让我分享一个更清晰的问题示例。
import numpy
from decimal import *
# creating dummy values and weights
values = 1e-10 * numpy.ones(5)
weights = values/values.sum()
weights.sum()
产量:
0.9999999999999999
当我应用 Decimal 来解决这个错误时,我遇到了一个对我来说不直观的细微差别:通过 Decimal 传递除法运算的结果对二进制错误没有任何作用,即:
getcontext().prec = 5
Decimal(values[0])
产量:
Decimal('1.0000000000000000364321973154977415791655470655996396089904010295867919921875E-10')
为了让 Decimal 纠正二进制算术错误,Decimal 必须包含在除法运算中,如下所示。
getcontext().prec = 5
Decimal(1)/Decimal(7)
产生与Python 文档网站上描述的相同的答案:
Decimal('0.14286')
在我的例子中,正确的应用程序看起来像这样。
weights_list = []
values = 1e-10 * numpy.ones(5)
sum_values = values.sum()
for value in values:
getcontext().prec = 5
weight = Decimal(value)/Decimal(sum_values)
weights_list.append(weight)
weights = numpy.array(weights_list)
weights.sum()
结果是正确的数学答案,而不是二进制算术答案。
Decimal('1.0000')
可以使用 numpy.float() 将其转换为数字。
我正在添加另一个答案来代替编辑我以前的答案,因为我发现早期的修复不适用于像我这样的更复杂的情况。 Decimal 类型的加权值之和为 1.0,但当数组元素首先使用 numpy.float() 转换为浮点数然后相加时,会产生相同的错误(即,总和不为 1.0)。 我不完全清楚为什么另一种情况不起作用,但我很高兴能够分享一个更简单的解决方案。
按照我之前的帖子/答案中使用的名称,结果证明解决方案是:
precision = 5
weights = numpy.around(
values / sum_values,
decimals = precision
)
使用上面的 weights.sum() = 1.0,这是数学上正确的解决方案。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.