Создание последовательности регулярно расположенных чисел

Question

Я создаю последовательность регулярно расположенных чисел, которые наивно можно было бы определить, определив этот простой код:

l=6          # Number of elements
h=1          # Spatial regular interval
v=[-h/2]     # First element
for i in range(l,start=1):
    v.append(v[-1]+h)

Для этого я использую np.arange, например:

np.arange(-h/2, h*(l-.5), h)

, но документация говорит, что вместо этого следует использовать np.linspace, потому что я не использую интергеры.

np.linspace(-h/2, h*(l-.5), l, endpoint=False)

Этот подход не является надежным?

Answer 1

np.arange работает путем добавления step к start и сравнения, если результат равен >= stop, в этом случае он не будет генерировать это последнее значение (конечную точку), в противном случае повторите операцию.

Проблема состоит в том, что числа с плавающей запятой никогда не могут сравниваться одинаково из-за того, как они представлены в памяти.Возьмем, к примеру, этот пример:

>>> 0.5 + 0.1 + 0.1 + 0.1 < 0.8
True

Такое поведение чисел с плавающей запятой может привести к добавлению step=0.1 к предыдущему сгенерированному значению np.arange из 0.7 и меньше, чем stop=0.8.Вот почему иногда arange, кажется, возвращает конечную точку.На самом деле он не возвращает конечную точку, он возвращает число, близкое к конечной точке, например 0.7999999999999999, которое округляется методом, возвращающим строковое представление числа с плавающей запятой.

Это не относится к np.linspaceкогда у вас есть фиксированное количество шагов, потому что вы не будете сравнивать числа с плавающей запятой, а скорее вычислять значение заданного количества шагов.Поэтому, отвечая на ваш вопрос, да, безопасно использовать np.linspace так, как вы это сделали.Проверьте эту ветку github для получения дополнительной информации.

Обратите внимание, что я сказал, что у вас должно быть фиксированное количество шагов.Если вы пытаетесь рассчитать количество шагов на основе start и stop, вы столкнетесь с аналогичными проблемами, как вы можете видеть на этом другом ответе .