numpy.astype数据精度导致数据变化的问题

在用numpy.astype强制转换数据类型的时候，由于numpy精度的问题将会对长度超过16位的数据发生不可预见的变化。

见以下样例：

a=np.random.randint(10000000000000000,100000000000000000,6,dtype=np.int64).reshape(3,-1)a
Out[250]:
array([[84627891441616237, 76092046570743607],[98092567621991294, 29336557186973849],[27275086880071664, 17713014931142607]], dtype=int64)a==a.astype(np.float64).astype(np.int64)
Out[251]:
array([[False, False],[False, False],[ True, False]])

仔细观察a 和转换一遍后的a

a
Out[252]:
array([[84627891441616237, 76092046570743607],[98092567621991294, 29336557186973849],[27275086880071664, 17713014931142607]], dtype=int64)a.astype(np.float64).astype(np.int64)
Out[253]:
array([[84627891441616240, 76092046570743600],[98092567621991296, 29336557186973848],[27275086880071664, 17713014931142608]], dtype=int64)

可以发现，所有数据前16位都是相同的，16位以后就不可控了，导致错误发生的原因，就是numpy的32位精度问题导致的。

怎么解决呢？

我尝试了DataFrame的object类型可以解决，解决方式如下：

将numpy转换为DataFrame的时候，指定数据类型为object。

生成之后，在利用astype将其转换为int64即可。

具体应用可见以下样例：

rl
Out[255]:
array([-8049777870090522920, -5440935078746751688, -3933548592432029974,-2462334750121545038, -1190291399416696655,   501852907112055918,1104104769051714879,  1318804999709453069,  1643349955204012180,1985695761539862128,  2177922432728714602,  2539438373990063976,2757041686965216513,  2930804226408986280,  4652176466101519414,5587216625180694234,  6110778615839656518,  8414204104888822915],dtype=int64)V
Out[256]:
array([[ 1.17613153e+222, -5.20143643e+220, -2.56059855e+218,-2.56059878e+218,  1.82560909e+211,  1.01358871e+211,1.82560909e+211, -1.05320730e+221,  8.07676648e+221,3.23330432e+194, -2.48561946e+218, -1.18058699e+219,2.65113824e+164,  9.86541855e+219, -3.21047863e+219,7.98645998e+193, -8.12021191e+210,  1.01358815e+211],[-8.92833386e+221, -1.00145726e+221,  2.14225335e+218,2.14225304e+218, -1.40702046e+211, -1.60296698e+211,-1.40702046e+211,  1.04484451e+221,  9.40007615e+221,2.73018012e+194, -3.14728928e+218, -1.05611169e+219,9.09859019e+163, -5.68088783e+219,  5.46366951e+219,-2.49687040e+194, -1.95946525e+210, -1.60296712e+211]])rl=DataFrame([rl,V[0],V[1]],dtype=object).T
rl.columns=['SOURCEID','ax','ay']
rl.SOURCEID=rl.SOURCEID.astype('int64')rl.SOURCEID.values
Out[258]:
array([-8049777870090522920, -5440935078746751688, -3933548592432029974,-2462334750121545038, -1190291399416696655,   501852907112055918,1104104769051714879,  1318804999709453069,  1643349955204012180,1985695761539862128,  2177922432728714602,  2539438373990063976,2757041686965216513,  2930804226408986280,  4652176466101519414,5587216625180694234,  6110778615839656518,  8414204104888822915],dtype=int64)

numpy.astype数据精度导致数据变化的问题相关推荐

浏览器及时感知服务端数据变化的方式
需求在公司,有一个需求,是浏览器实时获取服务端数据变化,然后根据变化做相应的动作.需求场景如下:手机端扫描二维码,然后获取待取件订单列表,点击取件,进行取件,同时远端打印机打印出取件小票. 技术难点 ...
长文 | 从发展轨迹、社会变迁和人口数据变化来看工具类产品的发展出路有哪些（1）
7月25日,我看到"腾讯某GM|工具类产品,未来发展的出路有哪些?"这个问题觉得很有意思,下面是我对这个问题的回答,希望有更多道友能参与进来分享. 我对这个问题很感兴趣,最近花了不 ...
vue数组变化视图_vue对象数组数据变化，页面不渲染
data() { // data数据 return { arr: [1,2,3], obj:{ a: 1, b: 2 } }; }, // 数据更新数组视图不更新 this.arr[0] = 'OB ...
python Box-Cox数据变化与逆变化
Box-Cox数据变化是一个基于参数λ的数据变化方法接受任意分布的输入,但需要值>0 可以使变化后的数据减少变量之间的相关性减少噪声数据Box-Cox变化与逆变换 stats box-co ...
python npv 计算公式_Python numpy 中常用的数据运算
Numpy 精通面向数组编程和思维方式是成为Python科学计算大牛的一大关键步骤.--<利用Python进行数据分析> Numpy(Numerical Python)是Python科学计 ...
使用useState因异步导致数据不能及时更新的问题
相信大家在使用hooks的时候都踩过这样的坑,useState因异步导致数据不能及时更新. const [kwd, setkwd] = useState("")const chan ...
python flask+apscheduler定时任务导致数据重复和错误
python flask+apscheduler 定时任务导致数据重复和错误的解决办法我们先看一下未定时前的代码,每一次执行数据都是准确的,是我们想要的结果 import datetime clas ...
numpy使用[]语法索引二维numpy数组中指定数据行的数值内容(accessing the specific row in numpy array)
numpy使用[]语法索引二维numpy数组中指定数据行的数值内容(accessing the specific row in numpy array) 目录 numpy使用[]语法索引二维numpy ...
numpy使用[]语法索引二维numpy数组中指定数据列的数值内容(accessing the specific column in numpy array)
numpy使用[]语法索引二维numpy数组中指定数据列的数值内容(accessing the specific column in numpy array) 目录 numpy使用[]语

numpy.astype数据精度导致数据变化的问题

numpy.astype数据精度导致数据变化的问题相关推荐

最新文章

热门文章