Python 分配给numpy数组的值并不总是等于分配的值

以下过程产生的值并不总是与指定的值匹配：

from scipy.interpolate import splprep, splev, splrep
import numpy as np

pos2indx = lambda vec: vec.round().astype(np.int64)

t = np.linspace(1,3,150)
x = 150+100*np.sin(t) + 5*np.random.randn(len(t))
y = 150+100*np.cos(t) + 5*np.random.randn(len(t))
z = 150+100*np.cos(t)*np.sin(t) + 5*np.random.randn(len(t))

vector_field = np.zeros((x.max()+10,y.max()+10,z.max()+10,3), dtype=np.float64)

out = splprep([x,y,z],u=t,k=3, full_output=1, quiet=1)
tck, t = out[0]
v = np.transpose(splev(t,tck, der=1))
i,j,k = pos2indx(x),pos2indx(y),pos2indx(z)

vector_field[i,j,k,:] += v
print np.sum(np.abs(vector_field[i,j,k,:]-v))

我希望这个过程总是打印零。 然而，有时它不是！ 当输出为非零时，则为数千

我不确定我是做错了什么，还是这里有什么漏洞

我也把这当作一个棘手的问题来报道

解决方案： Pauli Virtanen：“错误就在你的代码中：i，j，k向量可以包含给定的坐标对两次。”（）

jorgeca在下面给出了类似的答案

---

谢谢

这个问题似乎是由舍入误差引起的

我使用数据类型对代码

1000次
进行了比较：
float16
、
float32
、
float64
和
float96
；在
向量_字段中
并计算给出非零答案的次数：

float16: 1000
float32: 1000
float64: 142
float96: 115

总结您的问题，将
v
添加到零数组，然后减去
v
并不总是生成零数组：

vector_field = np.zeros((x.max()+10,y.max()+10,z.max()+10,3), dtype=np.float64)
vector_field[i,j,k,:] += v
print np.sum(np.abs(vector_field[i,j,k,:]-v))  # sometimes not 0!!

那不可能是对的

事实上，索引
i
、
j
和
k
都是numpy数组，因此它正在使用。当重复三组索引时会发生什么？也就是说，对于一些m，当
i[m]==i[n]
、
j[m]==j[n]
和
k[m]==k[n]
时。结果是，通过一个（可以随时更改）只分配索引的最后三元组（按C顺序），如果将
v
（使用dtype np.float64）存储在一个不同的dtype数组中，
vector_字段[i，j，k:]
实际上并不包含
v
，您将失去精度，因此当将其与原始的
v
（仍然是np.float64）进行比较时，它们在大多数情况下都不相等（即，float64（float32（64位\u数））！=64位\u数）。尝试更改
v
的数据类型，任何数据类型都会有100-150个差异，因此这不是实际原因。您是正确的，重复索引（由于卷的离散化）是原因。我回到这一页是为了发表我在SciPy issues post上收到的相同答案（由Pauli Virtanen回答）：“错误在你的代码中：I，j，k向量可以多次包含给定的坐标三元组。”啊，因为你写了报告，我在回答之前搜索了github中的问题列表，但不知何故错过了已经关闭的问题列表。。。这不是一个好主意，交叉张贴，所以一般来说，我会首先问这里，如果它被证明是一个错误，然后报告它。不过，很高兴你把问题解决了。我接受你关于交叉帖子的评论。事实上，我几乎可以肯定这是一个错误，我犹豫是否张贴在这里所有。。。再次感谢您的评论！