Uważam, że to bardzo dziwne. Czy ktoś może mi powiedzieć, co tu się dzieje?Numpy średnia funkcja zaokrąglania błąd
>>>a = [1,0,1]
>>>np.mean(a)
0.66666666666666663
>>>2.0/3
0.6666666666666666
Co się dzieje z 3 w końcu wyjście np.mean(a)? Dlaczego nie jest to 6, jak linia poniżej lub 7 (przy zaokrąglaniu)?
To tylko przypadek inny ciąg znaków dwóch różnych typów:
In [17]: a = [1, 0, 1]
In [18]: mean(a)
Out[18]: 0.66666666666666663
In [19]: type(mean(a))
Out[19]: numpy.float64
In [20]: 2.0/3
Out[20]: 0.6666666666666666
In [21]: type(2.0/3)
Out[21]: float
In [22]: mean(a).item()
Out[22]: 0.6666666666666666
Porównują równy:
In [24]: mean(a) == 2.0/3
Out[24]: True
In [25]: mean(a).item() == 2.0/3
Out[25]: True
teraz może być czas, aby przeczytać o numpy scalars i numpy dtypes.
Pythonowy float powinien być również 64-bitowy, wciąż nieco dziwny, że numpy drukuje to inaczej. –
@BasSwinckels Nie jestem pewien, czy podążam za tobą. Mówisz tak, ponieważ oba typy zmiennoprzecinkowe są reprezentowane przez 64-bitowe reprezentacje, które powinny "repr" takie same, mimo że są one odrębnymi typami w hierarchii typów? –
Rozumiem, że są to różne typy z różnymi reprami, ale obie powinny zawijać tę samą wartość float64. Wygląda na to, że w tym przypadku nie robi się żadnego wysiłku, aby repr pokazał, jaki to naprawdę jest, więc uważam za nieco zaskakujące, że nie używają tego samego algorytmu do utworzenia reprezentacji ciągów. –
Dlaczego spadki? Przynajmniej wyjaśnij. To szwy całkowicie rozsądne ... chyba że nie przeczytasz pytania ... – Brian
@Brian To pytanie zostało już wiele razy udzielone na tym forum. – Daniel
@Ophion tak downvote, komentarz, że to dupe i link do jednego. Dlaczego ludzie po prostu "uderzać i uruchamiać" w dół, dodają nowego użytkownika, gdy dupki nie pojawiają się w wynikach wyszukiwania lub na pokrewnej liście? – Brian