在numpy中将负数舍入为零时，如何消除多余的负号？

Question

关于numpy中的fix和floor函数，我有一个简单的问题。 当将大于-1的负数舍入为零时，numpy将它们正确舍入为零，但是会留下负号。这个负号干扰了我的服装独特行函数，因为它使用^{}来比较数组元素，而这个符号干扰了唯一性。在这方面，round和fix的行为相同。

>>> np.fix(-1e-6)
Out[1]: array(-0.0)
>>> np.round(-1e-6)
Out[2]: -0.0

你对如何去掉这个标志有什么看法吗？我考虑过使用np.sign函数，但它需要额外的计算成本。

提前谢谢。

Answer 1

我认为最根本的问题是你在浮点数上使用了类似集合的操作——这是作为一个一般规则应该避免的，除非你有很好的理由和对浮点数的深刻理解。

遵循这一规则的明显原因是，即使两个浮点寄存器之间的一个非常小的差异也是绝对差异，因此数值错误可能会导致类集合操作产生意外的结果。现在，在您的用例中，最初您似乎已经通过先舍入来避免了这个问题，从而限制了可能值的范围。但事实证明，意外的结果仍然是可能的，正如这个角落的案例所显示的那样。浮点数很难解释。

我认为正确的解决方法是使用astype将其舍入并然后转换为int。

>>> a
array([-0.5,  2. ,  0.2, -3. , -0.2])
>>> numpy.fix(a)
array([-0.,  2.,  0., -3., -0.])
>>> numpy.fix(a).astype(int)    # could also use 'i8', etc...
array([ 0,  2,  0, -3,  0])

因为您已经进行了舍入，所以这不应该丢弃任何信息，而且对于以后的set-like操作，它将更加稳定和可预测。这是最好使用正确抽象的情况之一！

如果你需要浮动，你总是可以转换回来。唯一的问题是它创建了另一个副本；但大多数情况下这并不是一个真正的问题。numpy足够快，复制的开销非常小！

我要补充的是，如果你的案例确实需要使用float，那么tom10的答案是一个很好的答案。但我觉得，无论是浮动操作还是集合式操作都是真正必要的情况非常少。