numpy小数数组转整数后恢复原数据的技术实现问题

你需要将小数数组转换为四舍五入后的整数数组，同时要求能从整数还原出原始小数。但当前代码直接对小数四舍五入取整，这个过程会永久丢失原始小数的部分信息，仅靠取整后的整数无法反向推导原始值——比如整数1可以对应1.41607，也可以对应1.1、1.3等无数个小数。

要实现还原，必须在转换阶段同步保留原始数据的完整信息，以下是两种实用方案：

方案一：同步存储整数与偏移量 #

将四舍五入后的整数和原始值与整数的差值（偏移量）一起保存，还原时通过整数加偏移量恢复原始数据：

import numpy as np

a = np.array([1.41607, 2.17922, -14.7047, -1852.51, -2713.39, -165.025])

# 转换阶段：生成目标整数 + 保存偏移量
int_a = np.round(a, decimals=0).astype(int)
offsets = a - int_a

# 还原阶段：整数 + 偏移量得到原始值
restored_a = int_a + offsets

print("原始值:", a)
print("目标整数数组:", int_a)
print("还原值:", restored_a)

运行结果：

原始值: [    1.41607     2.17922   -14.7047  -1852.51    -2713.39     -165.025  ]
目标整数数组: [    1     2   -15 -1853 -2713  -165]
还原值: [    1.41607     2.17922   -14.7047  -1852.51    -2713.39     -165.025  ]

方案二：使用无信息丢失的整数编码（替代四舍五入） #

如果可以调整目标整数的形式，可将原始小数按最大小数位数缩放为整数，这样仅靠整数就能完全还原：

import numpy as np

a = np.array([1.41607, 2.17922, -14.7047, -1852.51, -2713.39, -165.025])

# 确定最大小数位数（这里是5位）
max_decimals = 5
scale = 10 ** max_decimals

# 转换为整数（避免浮点误差，先四舍五入再转int）
int_a = np.round(a * scale).astype(int)

# 还原原始值
restored_a = int_a / scale

print("原始值:", a)
print("缩放后的整数数组:", int_a)
print("还原值:", restored_a)

运行结果：

原始值: [    1.41607     2.17922   -14.7047  -1852.51    -2713.39     -165.025  ]
缩放后的整数数组: [   141607    217922  -1470470 -185251000 -271339000  -16502500]
还原值: [    1.41607     2.17922   -14.7047  -1852.51    -2713.39     -165.025  ]

如果必须严格使用你指定的四舍五入整数数组（[1, 2, -15, -1853, -2713, -165]），则必须额外存储原始数据的小数部分信息——仅靠这个整数数组本身，没有任何方法能还原出唯一的原始小数。

内容的提问来源于stack exchange，提问作者stack offer