小于或等于 numpy 浮点运算符？

Question

我意识到 np.islcose() 函数可用于安全地检查浮点数是否相等。不过，目前让我感到困惑的是，使用标准 <= 运算符会得到不同的结果。例如：

add_to = 0.05
value64 = np.float64(0.3) + add_to*4
value32 = np.float32(0.3) + add_to*4
threshold = 0.5
print('is close?')
print(np.isclose(value64, threshold))
print(np.isclose(value32, threshold))
print('is less than or equals to?')
print(value64 <= threshold)
print(value32 <= threshold)

给我

is close?
True
True
is less than or equals to?
True
False

有没有人对此有明智的解决方法？我认为一种选择可能是为 numpy 浮点重载 python 比较运算符，并且（在该函数中）将两个浮点数四舍五入到小数点后第 8 位。但这是在速度有些重要的情况下，感觉有点麻烦。

在此先感谢您的帮助！

Answer 1

您可以定义多种功能结合在一起<，并>用isclose。

def approx_lte(x, y):
    return x <= y or np.isclose(x, y)
def approx_gte(x, y):
    return x => y or np.isclose(x, y)

它们类似于<=和>=，但它们也用于np.isclose()测试相等性。

Answer 2

根据此Difference Between Python float and numpy float32np.float32 ，python 的看待方式和之间存在差异np.float64。value64如果您实际检查和的中间值value32，您将看到：

value32 = 0.5000000119209289
value64 = 0.5

这解释了为什么print(value32 <= threshold)评估结果为 false。由于二进制错误，我怀疑四舍五入到小数点后第八位是否安全，就像value32您将拥有的那样0.50000001。

您还应该考虑到舍入数字所需的时间绝对很小，并且仍然必须在以下情况下使用

np.float64(0.1) + np.float64(0.2)

因为它的计算结果为0.30000000000000004，因此使用 a>=或时会出现错误<=。如果您使用该库也会发生此错误decimal。简而言之，有些数字确实无法避免出现某种错误。据我所知，规避此问题的唯一方法是四舍五入。

我尝试测试了一堆带舍入和不带舍入的组合，速度太快了，我无法记录超过 10000 次迭代的时间差异，所以除非你要交易股票或训练神经网络数周，否则我认为不会对数字进行四舍五入是您需要担心的事情。

如果您担心将数字舍入到何处的任意性，我会在有效数字后面搜索一串0长于 4 的字符串，然后在那里将其截断。