如何在range()函数中使用小数步长值?

1005

如何通过0.1的步长在0和1之间进行迭代?

这说明步长参数不能为零:

for i in range(0, 1, 0.1):
    print(i)

21
int(0.1) 等于 0,因此步长实际上是零。这可能令人意外,但确实是零。你可能需要重新阐述你的问题来反映这个事实,说“不是”的话是错误和误导的。 - S.Lott
3
顺便说一句,可以使用itertools.takewhileitertools.count来编写一个简短的一行代码。尽管性能不如drange - Kos
4
考虑到即使不累计舍入误差,实现一个生成器也很容易,Python 的 range 不允许这样做,这真是令人尴尬。唉,就连 GNU coreutils 中的 seq 工具也可以避免舍入误差地执行 seq 0 0.1 1 - josch
3
seq 在内部使用 C 语言的 long double 类型,因此可能会出现舍入误差。例如在我的电脑上,seq 0 0.1 1 的最后一个输出为 1(如预期),但 seq 1 0.1 2 的最后一个输出为 1.9(而不是预期的 2)。 - Mark Dickinson
1
为方便起见,@Kos的建议可以实现为itertools.takewhile(lambda x: (x+0.05)<1, itertools.count(0,0.1))itertools.islice(itertools.count(0,0.1), 10)(在你有import itertools之后),不过我还没有测试哪种更有效。 - LHeng
这就是为什么Python和JavaScript被称作玩具语言的原因... - gdm
34个回答

1214

不要直接使用十进制步长,最好以您希望获得的点数来表达。否则,浮点舍入误差可能会给您带来错误的结果。

使用NumPy库中的linspace函数(它不是标准库的一部分,但相对容易获取)。linspace需要返回点数,并且还允许您指定是否包括右端点:

>>> np.linspace(0,1,11)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,  1. ])
>>> np.linspace(0,1,10,endpoint=False)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])

如果您真的想使用浮点型步长值,请使用numpy.arange
>>> import numpy as np
>>> np.arange(0.0, 1.0, 0.1)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])

浮点数舍入误差导致问题。这里有一个简单的例子,其中舍入误差导致arange生成长度为4的数组,而实际上只应该生成3个数字:

>>> numpy.arange(1, 1.3, 0.1)
array([1. , 1.1, 1.2, 1.3])

73
NumPy是Python中如此普遍的组件,以至于我认为这个答案是所有答案中最具“Pythonic”特性的。 - airstrike
32
问题在于@numpy@是一个第三方包,会增加依赖项管理、存储(针对包本身)等方面的很多开销。取决于开发者正在做什么,可能无法使用它。 - rbaleksandar
3
抱歉,我不明白最后一部分中的浮点舍入误差是什么意思,因为np.linspace(1.,1.3,4)np.arange(1.,1.3,0.1)给出的输出完全相同。请问是否需要翻译其他内容? - deadcode
7
原因是 np.arange 被定义为生成一个区间 [start,stop)(即不包含 stop),因此我们不应该预期 1.3 会被包含在列表中。请参考这个问题,了解为什么它仍然被包含以及如何避免。 - dennis
11
一个包被使用的频率并不一定是判断它是否“Pythonic”的指标。 - Alex Hall
显示剩余3条评论

295

range() 只能处理整数,不能处理浮点数。

使用 列表推导式 来获取步骤列表:

[x * 0.1 for x in range(0, 10)]

更普遍地说,生成器 推导式可以最小化内存分配:
xs = (x * 0.1 for x in range(0, 10))
for x in xs:
    print(x)

41
如果你使用的是 Python 2.4+,那么更好的方法是使用生成器推导式:(x * 0.1 for x in range(0, 10)) - JAB
65
更好的做法是使用x/10代替x*0.1 :D 实际上并没有什么特别之处,但其中一些数字会更精确,例如 3*0.1 会得到 0.30000000000000004 ,而使用3/10则可以得到 0.3 :) - Bloke
6
3/10给我0,而不是0.3。3/10.0给出的结果是0.29999999999999999,在Python 2.6版本中。 - user25148
25
在Python 2.2+中,使用from __future__ import division; 3/10语句将返回0.3。在Python 3.x中,默认情况下也是如此。 - Benjamin Hodgson
3
round函数也可以用来做这件事:lst = [round(x* 0.10,2) for x in range(0,10)]。 - MARK
显示剩余3条评论

158

'xrange([start], stop[, step])'的基础上,您可以定义一个生成器,它接受并生成任何您选择的类型(仅限支持+<的类型):

>>> def drange(start, stop, step):
...     r = start
...     while r < stop:
...         yield r
...         r += step
...         
>>> i0=drange(0.0, 1.0, 0.1)
>>> ["%g" % x for x in i0]
['0', '0.1', '0.2', '0.3', '0.4', '0.5', '0.6', '0.7', '0.8', '0.9', '1']
>>> 

51
这会存在舍入误差问题。请查看这里:http://code.activestate.com/recipes/66472/ - Christian Oudard
我会稍微扩展一下,为了给另一个方向加上 (while r > stop) 和相应的 r -= step 以便给出相反的方向。 - user318904
你的代码为:l=frange(0,1,0.1) print l输出结果为: [0.0, 0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9]但是使用Numpy时,结果为: [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] - andilabs
1
我编写了一个xfrange函数,解决了上述浮点精度问题。来看看吧 ;) https://dev59.com/oHRB5IYBdhLWcg3w4bKv#20549652 - Carlos Vega
1
你正在累积舍入误差。请改用以下代码:i = 0; r = start while r < stop: i += 1; r = start + i * step; yield r - Cees Timmerman
1
这段内容来自https://www.pythoncentral.io/pythons-range-function-explained/(以及其他Python文档来源) - Apostolos

37

增加循环中的大小,需要时再减小。

for i * 100 in range(0, 100, 10):
    print i / 100.0

编辑:老实说,我真的不记得我为什么认为那样在语法上会起作用了。

for i in range(0, 11, 1):
    print i / 10.0

那应该会得到期望的输出。


1
我认为你会发现range()函数只适用于整数,因此这将是唯一的解决方案,至少要使用相同的函数。 - Matthew Scharley
2
@cmsjr 创意十足 :D 只有一个小问题:除以100.0,这样可以防止在使用Python 2.x时截断结果。我认为在3.0版本中,你编码的方式将起作用。 - Dana
5
for i * 100 in range(0, 100, 10): 语法错误:无法将值赋给运算符。 - Anne van Rossum

36

我认为NumPy有点过头了。

[p/10 for p in range(0, 10)]
[0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]

一般来说,要从1/x做到y的步进操作需要执行以下代码:

x=100
y=2
[p/x for p in range(0, int(x*y))]
[0.0, 0.01, 0.02, 0.03, ..., 1.97, 1.98, 1.99]

(在我的测试中,1/x 产生的舍入误差较少。)


1
在我看来,这是最干净的解决方案。列表推导式也使它看起来非常简短和简单。 - Telso

24

scipy内置了一个名为arange的函数,它是对Python的range()构造器的推广,以满足您处理浮点数的需求。

from scipy import arange


14
这实际上是在numpy中可以找到的完全相同的arange函数:`>>> import scipy
import numpy >>> numpy.arange is scipy.arange 将返回True`。
- iFreilicht

21

类似于R语言中的seq函数,该函数可以按照指定的步长返回任意顺序的数列,其中最后一个值等于停止值。

def seq(start, stop, step=1):
    n = int(round((stop - start)/float(step)))
    if n > 1:
        return([start + step*i for i in range(n+1)])
    elif n == 1:
        return([start])
    else:
        return([])

结果

seq(1, 5, 0.5)

[1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5.0]

seq(10, 0, -1)

[10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

seq(10, 0, -2)

[10, 8, 6, 4, 2, 0]

seq(1, 1)

[ 1 ]


2
这是一个很好的答案,适合那些想要了解Python但不想深入学习的人。 - Chani
1
那差不多是我要找的 - 请注意,seq(0.5, 3.0) 返回 [0.5, 1.5, 2.5, 3.5]。为了避免最后一个条目超出范围,请将 n = int(round(... 替换为 n = int(floor(... 并在顶部(def seq(... 上面)添加行 from math import floor - FriendFX
3
不要这样做!如果使用“floor”函数,”seq(0.2, 0.9, 0.1)”将无法到达右端点,并返回“[0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7, 0.8]”。 - fdermishin
@user502144:好发现,谢谢。我想我必须选择更复杂的解决方案来保持通用性。 - FriendFX

17

range() 函数返回整数值序列,所以无法使用它进行小数步长。我建议使用 while 循环:

i = 0.0
while i <= 1.0:
    print i
    i += 0.1
如果你好奇,Python 将你的 0.1 转换为 0,这就是为什么它告诉你参数不能为零的原因。

3
不要这样做!将“.1”加十次并不等同于加“1”!https://docs.oracle.com/cd/E19957-01/806-3568/ncg_goldberg.html - cat

15

以下是使用itertools的解决方案:

import itertools

def seq(start, end, step):
    if step == 0:
        raise ValueError("step must not be 0")
    sample_count = int(abs(end - start) / step)
    return itertools.islice(itertools.count(start, step), sample_count)

使用示例:

for i in seq(0, 1, 0.1):
    print(i)

为了完整起见,您应该计算sample_count变量的绝对值,这样您的函数也可以用于负数起始(即从-10到10)。 - Deleteman

12
[x * 0.1 for x in range(0, 10)] 

在 Python 2.7x 中执行以下代码会得到如下结果:

[0.0, 0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9]

但如果你使用以下代码:

[ round(x * 0.1, 1) for x in range(0, 10)]

给你想要的结果:

[0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]


网页内容由stack overflow 提供, 点击上面的
可以查看英文原文,
原文链接