Numpy与Python浮点计算产生不同的结果

Question

我有一个浮动列表列表，如下所示：

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

使用Python计算新列表（高度和宽度是列表维度，u2是浮点列表设置为0.0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动列表列表。

但是，将其转移到Numpy，只需简单：

un = array(u)

然后使用相同类型的循环（u2这次是一个零数组）：

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

...产生与Python实现相同的结果，只要 height ， width 和时间范围都很小，但结果不同，因为这些变量设置得更高，更高。

• 有没有办法防止这种浮动不准确的累积？

（这不是真正的代码，只是我在弄乱如何理解数字在Python和Numpy中的处理方式，所以关于矢量化或其他Numpy效率的东西的任何建议都是偏离主题的）

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，因此您将直接修改内部循环中的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]。

请尝试un = u2.copy()强制复制。