numpy.vstack丢失精度float16

Question

我正在尝试使用仅作为精确数字的数字进行线性回归的精确计算。没有numpy，它的工作正常，但是对于大量项目，numpy的性能更好，这就是为什么我需要使用numpy。 但是问题是，当我为X轴构建矩阵时，我会看到Bellow时失去了小数的精度。

我该如何修复？我的意思是，对于矩阵变量，仅返回一个数字作为精确的数字。

import numpy as np
import pandas as pd

dataset = [[17.3,71.7],[19.3,48.3],[19.5,88.3]]
df = pd.DataFrame({
    'force': [item[0] for item in dataset],
    'push_up':[item[1] for item in dataset]
})

df_x = np.array([item for item in df['force']],dtype=np.float16)
df_y = np.array([item for item in df['push_up']],dtype=np.float16)

print([np.round(item, decimals=1) for item in df['force']])
#check precision

#here is the issue! the return lose my 1 decimal point precision. 
# notice !No matter if I use this printed array above.
# also tried using this array construction to reconvert to 1 decimal precision but no success
#print( [np.float16(np.format_float_positional(item, precision=1)) for item in df['force']] )


matrix = np.vstack([df_x, np.ones(len(df_x))]).T
print(matrix[0][0])
#this print "17.296875" that is totally different from 17.3
#print(matrix[2][0]) #uncomment this to see that the half precision is not lost at all

Answer 1

要控制dtype在condenate（以及所有'stack'）中，参数必须匹配：

In [274]: np.vstack([np.array([1,2,3], 'float16'), np.ones(3,'float16')])
Out[274]: 
array([[1., 2., 3.],
       [1., 1., 1.]], dtype=float16)

nones的默认dtype is float64 < /code>：

In [275]: np.vstack([np.array([1,2,3], 'float16'), np.ones(3)])
Out[275]: 
array([[1., 2., 3.],
       [1., 1., 1.]])

In [276]: _.dtype
Out[276]: dtype('float64')

但是如注释中所述，使用float16在表面上是一个圆形。

In [278]: np.vstack([np.array([1.234235,2.9999,3], 'float16'), np.ones(3,'float16')])
Out[278]: 
array([[1.234, 3.   , 3.   ],
       [1.   , 1.   , 1.   ]], dtype=float16)

转置不会更改值或dtype。