Python中整合Pint与Uncertainties处理单位和不确定度的问题

问题背景 #

我正在开发一个用于分析光谱等数据的Python库，需要同时处理数据的单位和不确定度。例如，我们有波长（nm）、计数、功率（W）这类数据，希望能通过Pint轻松实现单位转换（如nm转um），同时借助Uncertainties处理不确定度传递（如对power执行sqrt操作并保留不确定度），理想情况下可通过pandas.DataFrame存储和处理这些数据。

目前无法将Pint的Quantity及数量数组与uncertainties.unumpy模块正确整合，遇到两个主要问题：

1. unumpy操作不支持pint.Quantity #

尝试对带不确定度的Quantity执行平方根操作的代码：

from uncertainties import unumpy as unp
from pint import UnitRegistry

ureg = UnitRegistry()
Qty = ureg.Quantity

a = Qty(3, 'um').plus_minus(0.1)
b =  unp.sqrt(a)

返回错误，要求Quantity为无量纲：

File "C:\Users\USERNAME\AppData\Local\Programs\Python\Python310\lib\site-packages\pint\facets\plain\quantity.py", line 707, in __float__
 raise DimensionalityError(self._units, "dimensionless")
pint.errors.DimensionalityError: Cannot convert from 'micrometer' to 'dimensionless'

注意，使用numpy执行相同操作也会返回类似uncertainties.ufloat的错误：

TypeError: loop of ufunc does not support argument 0 of type Measurement which has no callable sqrt method

2. unumpy.uarray或pint.Measurement.from_list无法初始化pint.Measurement对象数组 #

第一种方法返回如下错误：

File "C:\Users\USERNAME\AppData\Local\Programs\Python\Python310\lib\site-packages\pint\facets\plain\quantity.py", line 707, in __float__
 raise DimensionalityError(self._units, "dimensionless")
pint.errors.DimensionalityError: Cannot convert from 'micrometer' to 'dimensionless'

第二种方法返回与uncertainties相关的错误：

File "C:\Users\USERNAME\AppData\Local\Programs\Python\Python310\lib\site-packages\uncertainties\core.py", line 2714, in raise_error
 raise TypeError("can't convert an affine function (%s)"
TypeError: can't convert an affine function (<class 'uncertainties.core.Variable'>) to float; use x.nominal_value

解决方案与替代方案 #

1. 手动拆分-处理-重组（基础整合思路） #

Unumpy和Pint的核心冲突在于两者都试图封装数值类型，无法直接兼容。可以手动拆解Pint Measurement的标称值和不确定度，用unumpy处理后再重新包装为Pint Quantity：

from uncertainties import unumpy as unp
from pint import UnitRegistry

ureg = UnitRegistry()
Qty = ureg.Quantity

# 带不确定度的Pint量
a = Qty(3, 'um').plus_minus(0.1)

# 拆解标称值和不确定度，转为unumpy数组
nominal = unp.uarray([a.nominal_value], [a.std_dev])
# 执行平方根操作
nominal_sqrt = unp.sqrt(nominal)
# 重新包装为Pint Measurement，注意单位也要做对应转换（平方根后单位是um^0.5）
b = Qty(nominal_sqrt[0].nominal_value, a.units**0.5).plus_minus(nominal_sqrt[0].std_dev)

这种方法需要手动处理单位转换逻辑，适合简单操作。

2. 使用Pint的内置不确定度扩展（替代Uncertainties） #

Pint本身支持通过plus_minus创建带不确定度的Measurement对象，且可以通过注册自定义numpy ufunc来支持数学操作。例如为sqrt操作注册适配：

import numpy as np
from pint import UnitRegistry

ureg = UnitRegistry()
Qty = ureg.Quantity

# 为numpy.sqrt注册Pint兼容的处理函数
@ureg.wraps(ureg.Quantity, ureg.Quantity)
def sqrt_quantity(q):
    nominal = np.sqrt(q.nominal_value)
    # 不确定度传递公式：sqrt(x)的不确定度是 (0.5 / sqrt(x)) * dx
    std_dev = 0.5 * q.std_dev / np.sqrt(q.nominal_value)
    return Qty(nominal, q.units**0.5).plus_minus(std_dev)

# 使用示例
a = Qty(3, 'um').plus_minus(0.1)
b = sqrt_quantity(a)
print(b)  # 输出 ~1.732 um^0.5 +/- 0.0289

这种方式不需要依赖Uncertainties，直接用Pint的API处理，更贴合Pint的生态，也能自然支持单位转换。

3. 数组初始化的正确方式 #

如果需要创建Pint Measurement数组，不要用unumpy.uarray，而是直接用Pint的API批量创建：

from pint import UnitRegistry

ureg = UnitRegistry()
Qty = ureg.Quantity

# 批量创建Measurement数组
nominal_values = [3, 4, 5]
std_devs = [0.1, 0.2, 0.15]
units = 'um'

measurements = [Qty(n, units).plus_minus(s) for n, s in zip(nominal_values, std_devs)]
# 转为Pint数组（如果需要numpy支持）
meas_array = ureg.Quantity(measurements)

如果需要结合pandas，可以直接将这些Measurement对象存入DataFrame列：

import pandas as pd

df = pd.DataFrame({'wavelength': measurements})
# 单位转换示例
df['wavelength_nm'] = df['wavelength'].to('nm')

4. 第三方整合库（简化操作） #

可以使用pint-pandas扩展来让Pint Quantity更好地兼容Pandas，同时结合自定义不确定度处理逻辑，或者使用社区维护的uncertainties-pint整合库来简化两者的交互。

内容的提问来源于stack exchange，提问作者Selewirre