我的数组操作的精度有点问题。我正在进行大量的数组计算,其中数组中的一些单元格必须被忽略,要么通过掩蔽,要么在这种情况下,通过在附近指定非常小的值来完成
np.finfo(float).tiny
要删除的数组单元格。
但在阵列操作期间,这会导致大约
1e-14
这与机器ε非常接近。但我仍然不知道错误来自哪里,也不知道如何避免。由于我执行了数百万次这些操作,因此总的误差约为2-3%。
以下是我的最低工作示例:
arr = np.arange(20).astype(float)
arr[0] = 1e-290
t1 = np.random.rand(20) * 100
t2 = np.random.rand(20) * 100
a = (arr * (t1 - t2)).sum()
b = (arr * (t1 - t2))[1:].sum()
d = (arr * (t1 - t2))[0].sum()
c = b - a
print(c)
# Out[99]: 4.5474735088646412e-13
为了避免这个问题,我试图掩盖
arr
:
arr_mask = np.ma.masked_where(arr < 1e-200, arr)
a_mask = (arr_mask * (t1 - t2)).sum()
b_mask = (arr_mask * (t1 - t2))[1:].sum()
c_mask = b_mask - a_mask
print(c_mask)
# Out[118]: 4.5474735088646412e-13
为什么会有区别,
c
如此多的量级大于
d
,应该有什么区别?我猜是机器epsilon的问题,从一开始就给数组分配了这么小的值?但仍然
np.finfo(float).eps
具有
2.2204460492503131e-16
大约比
c
.
我如何避免这种情况?将元素设置为零将不起作用,因为我有很多分区。在这种情况下,有几个原因我不能使用掩蔽。但必须忽略的细胞的位置永远不会改变。那么,我是否可以为这些单元格指定一个“安全”值,以便在更改整个数组操作的结果时将其忽略?
提前感谢!
