用python取整从img读取的numpy浮点数组，返回的值未取整

由于某些原因，浮点numpy数组的简单舍入似乎不起作用

我通过读取一个巨大的img（形状为（73527472））得到numpy数组。Ex值：

>>> imarray[3500:3503, 5000:5003]
array([[ 73.33999634,  73.40000153,  73.45999908],
       [ 73.30999756,  73.37999725,  73.43000031],
       [ 73.30000305,  73.36000061,  73.41000366]], dtype=float32)

对于舍入，我只是尝试对原始值使用numpy.around（），还将值写入一个新数组，一个原始数组的副本，但由于某些原因没有结果

arr=imarray
numpy.around(imarray, decimals=3, out=arr)
arr[3500,5000] #results in 73.3399963379, as well as accessing imarray

所以，更高的精度！！！ 是因为这么大的阵列吗

---

我需要对其进行四舍五入以获得最频繁的值（模式），并且我正在搜索vay以避免越来越多的库。

您的数组具有dtype

float32

。这是一个4字节的浮点。 使用

float32

表示的最接近73.340的浮点值约为73.33999634：

In [62]: x = np.array([73.33999634, 73.340], dtype = np.float32)

In [63]: x
Out[63]: array([ 73.33999634,  73.33999634], dtype=float32)

因此我认为

np.around

是正确的四舍五入，只是您的

dtype

粒度太大，无法四舍五入到您可能期望的数字

In [60]: y = np.around(x, decimals = 3)

In [61]: y
Out[61]: array([ 73.33999634,  73.33999634], dtype=float32)

然而，如果数据类型为

np.float64

：

In [64]: x = np.array([73.33999634, 73.340], dtype = np.float64)

In [65]: y = np.around(x, decimals = 3)

In [66]: y
Out[66]: array([ 73.34,  73.34])

---

请注意，即使打印的

y

表示为73.34，实数73.34也不一定可以精确表示为浮点数64。float64表示法可能非常接近73.34，以至于NumPy选择将其打印为73.34。

由@unutbu给出的答案绝对正确。Numpy正在根据您要求的精度将其舍入到尽可能接近的数字。我唯一需要补充的是，您可以使用更改数组的显示方式：

>>> import numpy as np
>>> x = np.array([73.33999634, 73.340], dtype = np.float32)
>>> y = np.round(x, decimals = 3)
>>> y
array([ 73.33999634,  73.33999634], dtype=float32)
>>> np.set_printoptions(precision=3)
>>> y
array([ 73.34,  73.34], dtype=float32)

---

但是双浮点不是应该有更大的粒度吗？一个

float64

是一个8字节的浮点。因此，它可以表示比

float32

更多的数字。更多的数字意味着更小的粒度。是的，我的意思是更细或更好的粒度（越大的粒度总是越大：）。。（语言的特殊性）。。但无论如何，我认为浮动64更好。谢谢大家！酷，我没听说过！但这不会改变输入数据，我打算这样做。。