使用 np.random.uniform 最接近 (1,0) 的端点答案

【问题标题】：Getting closest to endpoints of (1,0) using np.random.uniform使用 np.random.uniform 最接近 (1,0) 的端点
【发布时间】：2018-08-29 22:56:46
【问题描述】：

- 可以在区间 (0, 1] 上绘制随机数，即包括 1 使用：

import numpy as np
r = np.random.uniform(low=0.0, high=1.0, size=10)

但是，我想在区间 (0, 1) 上生成数字，即不包括 1 和 0。类似于：

r = np.random.uniform(low=0.0, high=1.0 - 2**-16, size=10)

有效，但是理论上我可以接近 1 和 0，有没有办法确保我可以接近 1 和 0？

【问题讨论】：

【解决方案1】：

首先，请注意np.random.uniform 在[low, high) 上返回均匀分布的随机数，即包括low 但不包括high。所以我假设你想从你的样本中排除0，而不是1。

就您可以实际接近零的程度而言，这受到计算机算术精度的限制。假设 NumPy 使用的 IEEE 浮点数，最接近但大于零的浮点数由下式给出：

>>> np.nextafter(0.0, 1.0) # Closest to 0.0 in direction of 1.0
5e-324

所以要在(0, 1) 上生成数字，您可以这样做：

>>> np.random.uniform(low=np.nextafter(0.0, 1.0), high=1.0, size=10)

【讨论】：

不知道np.nextafter，所以谢谢你告诉我。但是，np.nextafter(0,1) == 1 - np.nextafter(1,0) 的计算结果为 false，这似乎意味着在接近 0 和 1 的距离上存在不对称性？
@edager 是的，没错。浮点意味着小数点“浮动”。因此，与固定精度（任何数字的小数点后位数相同）相比，每个数字的精度随其大小而变化。 1000 与下一个最大数之间的差远大于 0 与其下一个数之间的差，这就是为什么存在像 np.nextafter() 这样的函数的原因。我建议reading more about IEEE-754 浮点表示。