Numpy 与 Python 浮点计算产生不同的结果

Question

我有一个浮动列表，如下所示：

u = [[1.2, 1.534, 23.5, ...], [0.2, 11.5, 3.3223, ...], ...]

使用 Python 计算一个新列表（高度和宽度是列表的维度，u2 是设置为 0.0 的浮点列表的列表）：

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = u[i][j-1] + u[i-1][j] - time * (u[i][j+1] / u[i+1][j])
    u = deepcopy(u2)

正如预期的那样，这会生成一个新的浮点列表列表。

但是，将其转移到 Numpy，只需：

un = array(u)

然后使用相同类型的循环（这次 u2 是一个零数组）：

for time in xrange(start, stop):
    for i in xrange(1,height-1):
        for j in xrange(1, width-1):
            u2[i][j] = un[i][j-1] + un[i-1][j] - time * (un[i][j+1] / un[i+1][j])
    un = u2

... 只要 height、width 和时间范围都很小，就会产生与 Python 实现相同的结果，但是随着这些变量设置得更高和更高。

• 有没有办法防止这种浮动误差的累积？

（这不是真正的代码，只是为了了解 Python 和 Numpy 中如何处理数字，所以关于向量化或其他 Numpy 效率的任何建议都是题外话）

Answer 1

乍一看问题似乎是un = u2。这会创建对u2 的引用而不是副本，因此您可以在内部循环中直接修改u。这将为您提供与纯 Python 版本不同的结果，因为 u2[i][j] 的值取决于 u[i][j-1] 和 u[i-1][j]。

尝试un = u2.copy() 强制复制。