为什么 np.where & np.min 似乎不适用于这个数组？

Question

问题

所以我导入了一个数组，其中包含从 ~0.0 到 ~0.76 的值。当我开始尝试使用 Numpy 查找最小值和最大值时，我遇到了一些奇怪的不一致问题，如果它们是我的错，我想知道如何解决，或者如果它们在 Numpy 开发人员端出现编程错误，我想知道如何避免。

代码

让我们从使用np.max 和np.where 查找最大值的位置开始。

print array.shape
print np.max(array)
print np.where(array == 0.763728955743)
print np.where(array == np.max(array))
print array[35,57]

输出是这样的：

(74, 145)
0.763728955743
(array([], dtype=int64), array([], dtype=int64))
(array([35]), array([57]))
0.763728955743

当我查找数组与最大条目的值完全相等的位置时，Numpy 没有找到它。但是，当我只是搜索最大值的位置而不指定该值是什么时，它会起作用。请注意，np.min 不会发生这种情况。

现在我有一个关于最小值的不同问题。

print array.shape
print np.min(array)
print np.where(array == 0.0)
print np.where(array == np.min(array))
print array[10,25], array[31,131]

看看回报。

(74, 145)
0.0
(array([10, 25]), array([ 31, 131]))
(array([10, 25]), array([ 31, 131]))
0.0769331747301 1.54220192172e-09

1.54^-9 足够接近 0.0，这似乎是最小值。但是为什么np.where 也列出了值为 0.077 的位置？与其他值相比，这甚至不接近 0.0。

问题

为什么np.where 在输入数组的最大值时似乎不起作用，但在搜索np.max(array) 时却起作用？还有为什么np.where()和np.min()混合会返回两个位置，其中一个肯定不是最小值？

Answer 1

你有两个问题：floats 的解释和np.where 的结果解释。

1. 非整数浮点数在内部以二进制形式存储，不能始终以十进制表示法精确表示。同样，十进制数也不能总是用二进制精确表示。这就是为什么np.where(array == 0.763728955743) 返回一个空数组，而print np.where(array == np.max(array)) 做正确的事情。请注意，第二种情况仅在内部使用确切的二进制数而无需任何转换。搜索最小值成功，因为0.0 可以精确地用十进制和二进制表示。一般来说，出于这个原因和相关原因，比较 floats 和 == 是个坏主意。

2. 对于您正在使用的np.where 版本，它会演变为np.nonzero。您在这里解释结果，因为它为数组的每个维度返回一个数组，而不是单独的坐标数组。有很多不同的说法：

   • 如果您有三个匹配项，您将获得两个数组，每个数组包含三个元素。
   • 如果您有一个包含两个匹配项的 3D 输入数组，则会返回三个数组，每个数组包含两个元素。
   • 第一个数组是行坐标 (dim 0)，第二个数组是列坐标 (dim 1)。
   • 请注意您是如何解释where 的输出的最大情况。这是正确的，但在最小情况下这不是您正在做的事情。

有多种方法可以处理这些问题。最简单的可能是使用np.argmax 和np.argmin。这些将分别返回数组中最大值或最小值的第一个坐标。

>>> x = np.argmax(array)
>>> print(x)
array([35, 57])
>> print(array[x])
0.763728955743

这里唯一可能的问题是您可能想要获取所有坐标。

在这种情况下，使用where 或nonzero 就可以了。与您的代码的唯一区别是您应该打印

print array[10,31], array[25,131]

而不是你正在做的转置值。

Answer 2

尝试使用numpy.isclose() 而不是==。因为无法测试浮点数是否完全相等。

即改变这个：np.where(array == 0.763728955743) 至：np.isclose(array, 0.763728955743)

np.min() 和 np.max() 按预期工作。另请注意，如果您愿意，可以提供像 arr.min(axis=1) 这样的轴。

如果这不能解决问题，也许您可​​以在某处发布一些 csv 数据以尝试重现问题？我有点怀疑这是 numpy 本身的错误，但你永远不知道！