Точность массива Numpy, как преодолеть поиск другого массива

Question

У меня есть программа numpy, в которой мне нужно найти индекс значения в массиве B из суммы из массива A - и, к сожалению, проблемы прецизионности массивов numpy вызывают у меня проблему с этим: (

A = массив ([0.1,0.1,0.1,0.1,0.1])
B = массив ([0.1,0.2,0.3,0.4,0.5])

B == 0,3
массив ([False, False, True, False, False], dtype = bool)

B == sum (A [: 3])
array ([False, False, False, False,False], dtype = bool)

B == sum (A [: 2])
массив ([False, True, False, False, False], dtype = bool)

сумма (A [: 2])
0.20000000000000001

сумма (A [: 2])
0.30000000000000004

Как можно найти значение вмассив B, который является точной суммой из массива A ??

С наилучшими пожеланиями Termo

Answer 1

Вы просто видите эффекты арифметики с плавающей запятой.(То же самое верно, если вы использовали список Python вместо массива NumPy.)

Я на самом деле довольно удивлен, что не существует встроенной функции для выполнения сравнений с плавающей запятой в NUMPY... Существует numpy.allclose, который делает это для сравнения двух числовых массивов, но он просто возвращает True или False вместо логического массива.

В общем, сделать это на самом деле немного сложно.inf будет брошено в ложные срабатывания и ложные отрицания.Кроме того, вычитание двух массивов с inf или nan в них вызовет предупреждение, поэтому мы обычно хотим избежать этого ...

import numpy as np

def close(a, b, rtol=1.e-5, atol=1.e-8, check_invalid=True):
    """Similar to numpy.allclose, but returns a boolean array.
    See numpy.allclose for an explanation of *rtol* and *atol*."""
    def within_tol(x, y, atol, rtol):
        return np.less_equal(np.abs(x-y), atol + rtol * np.abs(y))
    x = np.array(a, copy=False)
    y = np.array(b, copy=False)
    if not check_invalid:
        return within_tol(x, y, atol, rtol)
    xfin = np.isfinite(x)
    yfin = np.isfinite(y)
    if np.all(xfin) and np.all(yfin):
        return within_tol(x, y, atol, rtol)
    else:
        # Avoid subtraction with infinite/nan values...
        cond = np.zeros(np.broadcast(x, y).shape, dtype=np.bool)
        mask = xfin & yfin
        cond[mask] = within_tol(x[mask], y[mask], atol, rtol)
        # Inf and -Inf equality...
        cond[~mask] = (x[~mask] == y[~mask])
        # NaN equality...
        cond[np.isnan(x) & np.isnan(y)] = True
        return cond

# A few quick tests...
assert np.any(close(0.300001, np.array([0.1, 0.2, 0.3, 0.4])))

x = np.array([0.1, np.nan, np.inf, -np.inf])
y = np.array([0.1000001, np.nan, np.inf, -np.inf])
assert np.all(close(x, y))

x = np.array([0.1, 0.2, np.inf])
y = np.array([0.101, np.nan, 0.2])
assert not np.all(close(x, y))