马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
本帖最后由 不二如是 于 2020-2-12 16:08 编辑
上一讲我们介绍完整数类型，这次来看浮点类型。
Numpy 中浮点（float）分为：float16（半精度）、float32（单精度）、float64（双精度）
浮点的计算机底层结构，科学技术法，偏移，我们就不讲啦，因为会跑的很远，大家也不见得跟得上。
不信吗？
就拿单进度来 float32 来说，它分为：1 位符号，8 位指数，23 位尾数...
指数中又有阶码...
搞懂这些呢，其实对理解 Numpy 也没啥用处。
你只需知道：
可爱的狱友们都接受过素质教育，那么告诉我：0.1 + 0.2 = 多少？
没错，记住你给的答案。
我们在 Numpy 中输入看看：
输出：
怎么肥四？？
继续测下这个：
输出：
按理说是 0，但输出怎么不是 0 呢？
这就是用浮点数计算会来的问题。
如果在金融业，这个就很可怕啦，之前有解释过，这里也不细说啦。
如何得到我们想要的结果呢？
利用 round 方法。
例如我们将 0.1 + 0.2 结果取 1 位：
输出：
第二个也一样：
输出：
这样就不关心后面的小尾巴了。
不过这种很“鲁莽”，生生的切数字！
decimal 库
更好的做法就是使用 decimal 用于计算十进制数。
需要导入：
from decimal import Decimal
输出：
相加时如何避免后面的一堆数呢？
可以先转为字符串（整数可以不写 ' '）：
a = Decimal('0.1')
b = Decimal('0.2')
a+b
不循环小数也可以：
a = Decimal('10')
b = Decimal('3')
a/b
我们有的时候不需要太多位数，就可以使用 getcontext()
看一下官方的使用说明：
from decimal import getcontext
c = getcontext()
c
输出里面对应的都是参数说明，重点关注 prec 。
它代表位数，28 意味着有 28 位。
我们手动将其缩小，再来跑一下：
c.prec = 2
a = Decimal('10')
b = Decimal('3')
a/b
Numpy 中浮点类型的坑
我们用半精度 float16 创建一个数组：
arr1 = np.array([1.1,2.2,3.3,4],dtype=np.float16).reshape(2,2)
arr1
计算机中精度不同，存在的值会有误差。
例如先用到向量化计算，为每位 * 10000：
输出：
如果一开始我们就用默认的 float64，再来看：
arr2 = np.array([1.1,2.2,3.3,4],dtype=np.float64).reshape(2,2)
arr2 * 10000
这个输出就是我们要的。
如果数字精度要求非常高，浮点数的精度就要严格使用。
Numpy 中通过 set_printoptions(precision=?) 来设置精度：
np.set_printoptions(precision=2)
arr3 = np.array([1,2,3,4]).reshape(2,2)
arr3/3
最后科普下浮点类型的精度范围：
- float16（f2） 10^5 - 10^-5
- float32(f4) 10^38 - 10^-38
- float64(f8) 10^308 - 10^-308
精度越大，代表范围越大，各有各的好处。
如果是分布式计算，用 float16 就可以。
日常我们不用特意指定，一律用默认就好。
下一讲，我们学习最常用的索引，切片，花式索引。
源码：
05Float.zip
(448 Bytes, 下载次数: 4, 售价: 3 鱼币)
如果有收获，别忘了评分 ：
如果想看更多，请订阅 淘专辑（ 传送门）（ 不喜欢更要订阅 ） | 
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 2020-2-12 07:59:05
置顶卡
千斤顶
显身卡
发表于 2020-2-12 08:20:01
发表于 2020-2-12 08:47:07
楼主
很快填坑