首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >将数据从hdf5数据集传输到numpy数组时的精度损失

问将数据从hdf5数据集传输到numpy数组时的精度损失
EN

Stack Overflow用户
提问于 2016-06-24 06:03:35
回答 1查看 433关注 0票数 5

我正在尝试将数据从hdf5数据集(在下面的屏幕快照中的f_one)复制到一个numpy数组中,但是我发现我正在失去一些精度。

​

屏幕截图的最后一行(最后一次打印语句)应改为

subid2[0] == subid2[1].

我只是在拍截图之前不小心删除了2。输出是正确的。

正如您所看到的,Python似乎认为这两个数字完全相同,但是,当这两个数字包含在numpy数组中时,我需要精确地区分它们。有人知道我怎么能得到这种精确度吗?简而言之,我如何才能得到最后的打印语句来产生假的结果?

顺便提一下,以下几点:

代码语言:javascript
复制
    f_one['SubhaloID'][0] == f_one['SubhaloID'][1]

产生False。因此,在复制到numpy数组时会丢失一些精度。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2016-06-25 05:09:39

问题是您的输入是整数类型的,但是当创建一个numpy数组而不指定数据类型时,默认情况下您会将它们作为浮点数进行转换。要避免这种情况,请在为此数据创建numpy数组时使用dtype=np.int64。另一个选项是直接转换现有的整数数组,从而继承其条目的类型。

下面是一个简化的例子。

代码语言:javascript
复制
import numpy as np
a = [30000000200000000, 30000000200000001]
print(a[0]==a[1])           # False 
b = np.array(a)
print(b[0]==b[1])           # False, direct conversion still has integers 
c = np.array([])
for i in range(2):
    c = np.append(c, a[i])
print(c[0]==c[1])           # True, the entries are now floats
d = np.array([], dtype=np.int64)
for i in range(2):
    d = np.append(d, a[i])
print(d[0]==d[1])           # False, the entries were declared as integers

检查使用type(c[0])和type(d[0])的类型以查看差异。

票数 4
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/38006541

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档