Python Numpy - 将非常小的数字视为零

Question

我想用 Numpy 计算奇异矩阵的行列式（行列式为 0），当我打印行列式时，它显示一个非常小的数字（几乎为零 = -7.09974814699e-30），但本身不是零。 .

当我尝试使用

%s

、

%d

或

%f

打印行列式时，有时它为零，有时为 -0，有时为 -7.09974814699e-30 。

这是代码：

import numpy as np

array = np.arange(16)
array = array.reshape(4, -1)
determinant = np.linalg.det(array)

print("Determinant is %s" % determinant)
print("Determinant is %d" % determinant)
print("Determinant is %f" % determinant)

Determinant is -7.09974814699e-30
Determinant is 0
Determinant is -0.000000

如何让 Numpy 将非常小的数字（例如 -7.09974814699e-30）视为零并向我显示零。我之前也问过这个问题，如果你看一下矩阵，你会发现它充满了非常小的数字，但不是零，而它应该是一个对角矩阵，对角线上有数字，其他地方有零。

Answer 1

>>> if np.abs(determinant) < 0.000001:
...     determinant=0
...
>>> print determinant
0

如果是数组，您可以使用单个操作来完成（请参阅我对其他问题的回答：https://stackoverflow.com/a/36395905/5088142）

将小于 eps 的数组元素设置为零：

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

Answer 2

您可以使用

np.round

截断较低的有效数字。但最好保持浮点运算的准确性。您需要控制的只是最终输出的格式，使用

str.format

函数。

In [7]: a=rand(12,12)
In [8]: deta=det(a)
#0.0063854296972496311

In [10]: detar=det(a.round(3))
# 0.0063817871557592153

In [12]: '{:.5f}'.format(deta)
Out[12]: '0.00639'

In [13]: '{:.5f}'.format(detar)
Out[13]: '0.00638'

由于早期优化，最后一行显示错误结果。

Answer 3

使用

numpy.set_printoptions

并启用

suppress

选项：

>>> import numpy as np
>>> np.set_printoptions(precision=3, suppress=True)
>>> array = np.arange(16)
>>> array = array.reshape(4, -1)
>>> determinant = np.linalg.det(array)
>>> print("Determinant is:", determinant)
Determinant is: 0.0

Answer 4

我正在使用 Python 2.7.11 |Anaconda 自定义 (x86_64)| （默认，2015 年 12 月 6 日，18:57:58） IPython 4.0.3 —— 增强的交互式 Python。我得到的结果如下，

In [6]: print("Determinant is %s" % determinant)
Determinant is 0.0

In [7]: print("Determinant is %d" % determinant)
Determinant is 0

In [8]: print("Determinant is %f" % determinant)
Determinant is 0.000000

我认为如果你更新 numpy 它可能适合你，否则你使用下面的方法

In [9]: sam = 0.000000121

In [10]: sam
Out[10]: 1.21e-07

In [11]: print sam if sam > 0.00001 else 1
1

这并不能完全回答你的问题“如何让 Numpy 将 -7.09974814699e-30 等非常小的数字视为零并向我显示零。”，我认为你确实可以解决这个问题。

一般来说，当涉及到浮点数/指数时，超过某个点的计算会产生较小的误差，..例如，在 e 幂 -30 的情况下。因此，如果您使用高级浮点数或指数，最好预计会出现一些错误。