在numpy中将负数四舍五入时如何消除多余的负号？

介于之间

-0.

+0.

around

还值得注意的是，两个零应该比较相等，所以

np.array(-0.)==np.array(+0.) # True

也就是说，我认为 通过您的唯一性比较，问题更有可能出现 。例如：

a = np.array([-1., -0., 0., 1.])np.unique(a)#  array([-1., -0.,  1.])

如果要将数字保留为浮点，但所有零都相同，则可以使用：

x = np.linspace(-2, 2, 6)#  array([-2. , -1.2, -0.4,  0.4,  1.2,  2. ])y = x.round()#  array([-2., -1., -0.,  0.,  1.,  2.])y[y==0.] = 0.#  array([-2., -1.,  0.,  0.,  1.,  2.])# or  y += 0.#  array([-2., -1.,  0.,  0.,  1.,  2.])

但是请注意，由于要避免使用浮点数规范，因此必须做一些额外的工作。

另请注意，这不是由于舍入错误引起的。例如，

np.fix(np.array(-.4)).tostring().enpre('hex')# '0000000000000080'np.fix(np.array(-0.)).tostring().enpre('hex')# '0000000000000080'

也就是说，结果数字完全相同，但是

np.fix(np.array(0.)).tostring().enpre('hex')# '0000000000000000'

是不同的。这就是您的方法无法正常工作的原因，因为它正在比较数字的二进制表示形式，这对于两个零是不同的。因此，我认为问题更多是比较方法，而不是比较浮点数唯一性的一般思想。

快速测试各种方法：

data0 = np.fix(4*np.random.rand(1000000,)-2)#   [ 1. -0.  1. -0. -0.  1.  1.  0. -0. -0. .... ]N = 100data = np.array(data0)print timeit.timeit("data += 0.", setup="from __main__ import np, data", number=N)#  0.171831846237data = np.array(data0)print timeit.timeit("data[data==0.] = 0.", setup="from __main__ import np, data", number=N)#  0.83500289917data = np.array(data0)print timeit.timeit("data.astype(np.int).astype(np.float)", setup="from __main__ import np, data", number=N)#  0.843791007996

我同意@senderle的观点，即如果您希望进行简单而精确的比较并且可以使用int进行比较，则int通常会更容易。但是，如果您想要唯一的浮点数，那么您也应该能够做到这一点，尽管您需要做得更加谨慎。浮点数的主要问题是，您可以从计算中引入很小的差异，并且它们不会出现在法线中

print

round,fix, rint