我有一个浮动列表的列表，像这样：
u = [[1.2, 1.534, 23.5, ...], [0.2, 11.5, 3.3223, ...], ...]
使用Python计算新列表（高度和宽度是列表尺寸，u2是设置为0.0的浮点列表的列表）：
for time in xrange(start, stop):
for i in xrange(1,height-1):
for j in xrange(1, width-1):
u2[i][j] = u[i][j-1] + u[i-1][j] - time * (u[i][j+1] / u[i+1][j])
u = deepcopy(u2)
正如预期的那样，这将产生一个新的浮点列表列表。
但是，通过以下简单的方法将其转移到Numpy：
un = array(u)
然后使用相同的循环（这次u2是零数组）：
for time in xrange(start, stop):
for i in xrange(1,height-1):
for j in xrange(1, width-1):
u2[i][j] = un[i][j-1] + un[i-1][j] - time * (un[i][j+1] / un[i+1][j])
un = u2
只要高度，宽度和时间范围都很小，...就会产生与Python实现相同的结果，但是随着这些变量的设置越来越高，结果会有所不同。
有没有办法防止这种浮点误差的积累？
（这不是真正的代码，只是我想弄清楚如何在Python和Numpy中处理数字，因此有关向量化或其他Numpy效率方面的任何建议都是不合时宜的）
最佳答案
乍看起来，问题似乎是un = u2。这将创建对u2的引用，而不是副本，因此您可以直接在内部循环中修改u。这将给您与纯Python版本不同的结果，因为u2[i][j]的值取决于u[i][j-1]和u[i-1][j]。
尝试使用un = u2.copy()强制进行复制。