Python數組中的浮點精度

對於真正簡單而愚蠢的問題，我表示歉意;但是，爲什麼這兩種情況顯示的精度有差異？Python數組中的浮點精度

1）

>> test = numpy.array([0.22]) 
>> test2 = test[0] * 2 
>> test2 
0.44

2）

>> test = numpy.array([0.24]) 
>> test2 = test[0] * 2 
>> test2 
0.47999999999999998

我使用64位Linux python2.6.6。非常感謝您的幫助。

這也持似乎憋了列表蟒蛇

>>> t = [0.22] 
>>> t 
[0.22] 

>>> t = [0.24] 
>>> t 
[0.23999999999999999]

2011-03-01 Eric

那怎麼彩車工作 - 「以神祕的方式」）。很多問題都是我無法解決的問題。 – delnan 2011-03-01 21:07:38

我不會稱之爲任何東西的重複，因爲答案是非常具體的Python（加上它是我的答案:)）。 – Zooba 2011-03-01 21:45:50

因爲它們是不同的號碼和不同的數字有不同的舍入的效果。

（幾乎所有的相關的問題上下右側會解釋的舍入影響自己的事業。）

好了，更嚴重的答案。似乎numpy的在陣列中對所述數字的一些轉化或計算：

>>> t = numpy.array([0.22]) 
>>> t[0] 
0.22 


>>> t = numpy.array([0.24]) 
>>> t[0] 
0.23999999999999999

而Python不自動執行此操作：

>>> t = 0.22 
>>> t 
0.22 

>>> t = 0.24 
>>> t 
0.24

舍入誤差小於numpy的的「EPS」值對於float，這意味着它應等於被處理（事實上，它是）：

>>> abs(numpy.array([0.24])[0] - 0.24) < numpy.finfo(float).eps 
True 

>>> numpy.array([0.24])[0] == 0.24 
True

但原因的Python將其顯示爲「0.24」和NU MPY不會是因爲Python的默認float.__repr__方法使用低精度（其中，IIRC，是一個相當最近的變化）：

>>> str(numpy.array([0.24])[0]) 
0.24 

>>> '%0.17f' % 0.24 
'0.23999999999999999'

2011-03-01 21:07:39 Zooba

奇怪... Python浮動是C雙打，所以應該沒有任何區別。除非NumPy使用單精度（C浮點數）出於某種奇怪的原因。 – delnan 2011-03-01 21:14:20

即使沒有Numpy，如果該值在列表中'>>> t = [0.22]''>>> t''[0.22]''>>> t = [0.24]'，Python似乎也會執行相同的操作'>>> t''[0.239999999]' – Eric 2011-03-01 21:16:56

@Eric我在試過時沒有看到這種效果，但答案肯定是'numpy.float64 .__ repr__'在'％0中使用高精度。＃ f''比Python的'float .__ repr__'。（現在在我的答案中） – Zooba 2011-03-01 21:22:37

回答