我使用的是NumPy版本1.7.1。 现在我遇到了一个奇怪的取消我不明白:
>>> import numpy as np
>>> a = np.array([ 883, 931, 874], dtype=np.float32)
数学上a+0.1-a
应该是0.1
。
现在我们来计算
此表达式与绝对和相对误差:
>>> a+0.1-a
array([ 0.09997559, 0.09997559, 0.09997559], dtype=float32)
>>> (a+0.1-a)-0.1
array([ -2.44155526e-05, -2.44155526e-05, -2.44155526e-05], dtype=float32)
>>> ((a+0.1-a)-0.1) / 0.1
array([-0.00024416, -0.00024416, -0.00024416], dtype=float32)
第一个问题:这是一个相当高的绝对和相对误差,这只是灾难性的取消,不是吗?你知道吗
第二个问题:当我使用数组而不是标量时,NumPy能够以更高的精度计算,请参见相对误差:
>>> a+np.array((0.1,)*3)-a
array([ 0.1, 0.1, 0.1])
>>> (a+np.array((0.1,)*3)-a)-0.1
array([ 2.27318164e-14, 2.27318164e-14, 2.27318164e-14])
我想这只是0.1
的数值表示。你知道吗
但是,如果使用标量而不是a+0.1-a
中的数组,为什么NumPy不能以同样的方式处理这个问题呢?你知道吗
如果使用双精度,情况会发生变化。您得到的是单精度(
np.float32
):在表达式中间使用
np.array((0.1,)*3)
将所有内容都转换为float64
,这就解释了第二个结果的更高精度。你知道吗相关问题 更多 >
编程相关推荐