numpy.astype 与 numba 的非常奇怪的结果

Question

为什么？ 很奇怪......在 python 中，如果我们用numba测试 np.astype() ，下面将打印一些结果为

x:     [-6. -5. -4. -3. -2. -1.  0.  1.  2.  3.  4.  5.]
x-int: [-6 -5 -4 -3 -2 -1  0  1  2  3  4  5]

@numba.njit
def tt():
    nn = 3
    x = np.linspace(0, 4*nn-1, 4*nn)-2*nn
    print(x)
    print(x.astype(np.int32))

但是，如果我将 x 的行更改为x = np.linspace(0, 8*nn-1, 8*nn)-4*nn ，结果会很奇怪

x: [-12. -11. -10.  -9.  -8.  -7.  -6.  -5.  -4.  -3.  -2.  -1.   0.   1.   2.   3.   4.   5.   6.   7.   8.   9.  10.  11.]
x-int: [-12 -11 -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   0   2   3   4   5   6   7   8   9  10  11]

x-int中有两个0 ？ 为什么？

Answer 1

tl;dr：这是 Numba 报告的错误。

该问题来自与浮点舍入相关的 Numba linspace function 中的略微不准确。 这是一个突出问题的示例：

def tt_classic():
    nn = 3
    return np.linspace(0, 8*nn-1, 8*nn)-4*nn

@numba.njit
def tt_numba():
    nn = 3
    return np.linspace(0, 8*nn-1, 8*nn)-4*nn

print(tt_classic()[13])
print(tt_numba()[13])

结果如下：

1.0
0.9999999999999982

如您所见，Numba 实现不会返回精确值。 虽然对于大值无法避免这个问题，但对于如此小的值，它可以被视为一个错误，因为它们可以在任何 IEEE-754 平台上精确表示（不会损失任何精度）。

因此，强制转换会将浮点数 0.9999999999999982 截断为 0（而不是最接近的 integer ）。 如果你想要一个安全的转换（即解决方法），你可以明确告诉 Numpy/Numba 去做。 这是一个例子：

@numba.njit
def tt():
    nn = 3
    x = np.linspace(0, 4*nn-1, 4*nn)-2*nn
    np.round(x, 0, x)
    print(x)
    print(x.astype(np.int32))

此错误已在 Numba 错误跟踪器上报告。 您可能也对这个相关的 Numba 问题感兴趣。