Numpy vs Python浮點計算產生不同的結果

Question

我有一個浮動列表的列表，像這樣：

u = [[1.2, 1.534, 23.5, ...], [0.2, 11.5, 3.3223, ...], ...]

使用Python計算新列表（高度和寬度是列表尺寸，u2是設置為0.0的浮點列表的列表）：

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = u[i][j-1] + u[i-1][j] - time * (u[i][j+1] / u[i+1][j])
    u = deepcopy(u2)

如預期的那樣，這將產生一個新的浮點列表列表。

但是，使用以下簡單方法將其轉移到Numpy：

un = array(u)

然后使用相同類型的循環（這次u2是零數組）：

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = un[i][j-1] + un[i-1][j] - time * (un[i][j+1] / un[i+1][j])
    un = u2

只要高度 ， 寬度和時間范圍都很小，...就會產生與Python實現相同的結果，但是隨着這些變量的設置越來越高，結果會有所不同。

• 有沒有辦法防止這種浮點誤差的積累？

（這不是真正的代碼，只是我想弄清楚如何在Python和Numpy中處理數字，因此有關向量化或其他Numpy效率的內容的任何建議都是題外話）

Answer 1

乍一看，這個問題似乎是un = u2 。 這將創建對u2的引用，而不是副本，因此您可以直接在內部循環中修改u 。 這將給您與純Python版本不同的結果，因為u2[i][j]取決於u[i][j-1]和u[i-1][j] 。

嘗試使用un = u2.copy()強制復制。