45

在 numpy 我有一个像

[0 +  0.5j, 0.25 + 1.2352444e-24j, 0.25+ 0j, 2.46519033e-32 + 0j]

将超低值设置为零的最快和最简单的方法是什么？

[0 +  0.5j, 0.25 + 0j, 0.25+ 0j, 0 + 0j]

效率不是最重要的。

4

6 回答 6

37

嗯。我对此并不满意，但这似乎有效：

>>> a = np.array([0 +  0.5j, 0.25 + 1.2352444e-24j, 0.25+ 0j, 2.46519033e-32 + 0j])
>>> a
array([  0.00000000e+00 +5.00000000e-01j,
         2.50000000e-01 +1.23524440e-24j,
         2.50000000e-01 +0.00000000e+00j,   2.46519033e-32 +0.00000000e+00j])
>>> tol = 1e-16
>>> a.real[abs(a.real) < tol] = 0.0
>>> a.imag[abs(a.imag) < tol] = 0.0
>>> a
array([ 0.00+0.5j,  0.25+0.j ,  0.25+0.j ,  0.00+0.j ])

您可以根据问题的需要选择您的容忍度。我通常使用一个数量级或更高的数量级

>>> np.finfo(np.float).eps
2.2204460492503131e-16

但它取决于问题。

于 2013-01-19T22:00:04.147 回答
29

要将小于eps零的元素设置为：

a[np.abs(a) < eps] = 0

可能有一个更有效的专门功能。

如果您想禁止打印小浮点数：

import numpy as np
a = np.array([1+1e-10j])
print a # -> [ 1. +1.00000000e-10j]

np.set_printoptions(suppress=True)
print a # -> [ 1.+0.j]
于 2013-01-19T22:13:34.503 回答
15

通过使用数组的方法 round(n)

np.array( [0 +  0.5j, 0.25 + 1.2352444e-24j, 
           0.25+ 0j, 2.46519033e-32 + 0j]  ).round(23)
于 2018-04-25T15:01:07.360 回答
9

您还可以使用以下numpy.isclose方法：

>>> np.isclose([1e10,1e-7], [1.00001e10,1e-8])
array([True, False])

通过询问它是否接近于零，它应该可以工作：

>>> np.isclose([1e10,0], [1.00001e-10,0])
array([False, True])

您可以自定义atol（绝对容差，默认为1e-08）和rtol（相对容差，默认为1e-05）参数。然后，您可以设置rtol=0为仅使用绝对容差。

于 2015-10-23T15:44:53.983 回答
4

如果所有数字都有小的虚部，而你只想抑制这些，那么你可以使用

b=np.real_if_close(a)

否则 DSM 的建议是前进的方向，即

a.real[abs(a.real)<1e-13]=0
a.imag[abs(a.imag)<1e-13]=0
于 2018-04-11T17:55:48.477 回答
-2 
diff = x-y
diff[diff>1.e-16]

Out[93]:
array([], dtype=float64)

diff[diff>1.e-18]

array([1.73472348e-18, 1.73472348e-18, 1.73472348e-18, 1.73472348e-18,
       1.73472348e-18, 1.73472348e-18, 1.73472348e-18, 1.73472348e-18,
       1.73472348e-18, 1.73472348e-18, 1.73472348e-18, 1.73472348e-18,
       1.73472348e-18, 1.73472348e-18, 1.73472348e-18, 1.73472348e-18,
       1.73472348e-18])
于 2019-01-20T17:37:32.853 回答