如何为Numpy的setdiff1d函数设置容差以处理浮点数误差？

确实，浮点数精度问题在这里坑到你了——np.setdiff1d是基于严格数值相等来判断元素是否存在的，所以49.1和49.10000000000218会被当成两个完全不同的元素，导致返回结果包含了你认为应该匹配的49.1。

带容差的差集实现方法 #

np.setdiff1d本身没有容差参数，但我们可以用np.isclose结合数组广播来手动实现支持近似匹配的差集逻辑：

import numpy as np

x = np.array([49.1, 50.0, 30])
y = np.array([50.0, 49.10000000000218])

# 设置容差，可根据你的数据精度需求调整
tolerance = 1e-8

# 检查x中每个元素是否在y中存在近似匹配的元素
# x[:, None] 将x转为列向量，和y广播为二维数组进行逐元素比较
has_match = np.any(np.isclose(x[:, None], y, atol=tolerance), axis=1)

# 取反得到x中没有匹配的元素
result = x[~has_match]

print(result)  # 输出: array([30])

代码解释 #

1. np.isclose：用于判断两个浮点数是否在指定容差范围内相等，它支持相对误差(rtol)和绝对误差(atol)的组合判断，默认参数已经能处理大部分常见的浮点数精度问题。
2. 数组广播：x[:, None]把一维数组x转换成形状为(3,1)的二维数组，这样和形状为(2,)的y广播后，会生成一个(3,2)的二维数组，每个元素对应x的元素和y的元素的比较结果。
3. np.any(axis=1)：对每行（即x的每个元素对应的所有y元素的比较结果）取逻辑或，得到一个布尔数组，表示x的每个元素是否在y中有近似匹配项。
4. 取反索引：用~has_match筛选出x中没有匹配的元素，就是我们需要的带容差的差集结果。

内容的提问来源于stack exchange，提问作者user270199