我将一个 numpy 矩阵列乘以一个浮点数并得到一个奇怪的舍入。是什么原因造成的？
I'm multiplying a numpy matrix column by a float and getting a strange rounding. What is causing this?
我试图通过将矩阵的列与浮点数相乘来更新矩阵的列。请参阅下面的代码。
H = np.array([[1, 2, 3], [4, 5, 6]])
print(H[:, 0] * 0.1)
H[:, 0] = H[:, 0] * 0.1
print(H[:, 0])
给出输出：
[0.1 0.4]
[0 0]
Numpy 似乎将浮点数 0.1 舍入为 0，但仅在将值分配给列时才这样做。这是怎么回事？
H 有数据类型 np.int_。因此，当您乘以 H[:, 0] * 0.1 时，输出会被正确计算并存储在类型为 np.float_ 的数组中。当您将该浮点数组分配回 H 时，它会使用截断转换为整数，因此为零。
您可以执行以下任一操作将 H 初始化为浮点类型：
H = np.array([[1.0, 2, 3], [4, 5, 6]])H = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float_)
我试图通过将矩阵的列与浮点数相乘来更新矩阵的列。请参阅下面的代码。
H = np.array([[1, 2, 3], [4, 5, 6]])
print(H[:, 0] * 0.1)
H[:, 0] = H[:, 0] * 0.1
print(H[:, 0])
给出输出：
[0.1 0.4]
[0 0]
Numpy 似乎将浮点数 0.1 舍入为 0，但仅在将值分配给列时才这样做。这是怎么回事？
H 有数据类型 np.int_。因此，当您乘以 H[:, 0] * 0.1 时，输出会被正确计算并存储在类型为 np.float_ 的数组中。当您将该浮点数组分配回 H 时，它会使用截断转换为整数，因此为零。
您可以执行以下任一操作将 H 初始化为浮点类型：
H = np.array([[1.0, 2, 3], [4, 5, 6]])H = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float_)