为何Numpy数组预分配方式无法限制打印精度？

核心原因是两种方式创建的Numpy数组数据类型（dtype）不同：

第一种方式：创建object类型数组 #

np.array([None])会生成一个dtype为object的数组，因为None是Python的对象类型。当你把1/3（Python原生float对象）赋值给数组元素时，元素依然保持object类型，存储的是Python float的引用。

Numpy的set_printoptions(precision=...)设置仅对Numpy原生数值类型（如float64、float32等）生效，对object类型的元素，Numpy会直接调用Python对象自身的打印逻辑，不会应用Numpy的精度限制。所以打印时会显示Python float默认的全精度（15-17位小数）。

第二种方式：创建原生float类型数组 #

先在Python列表中赋值1/3，再转为Numpy数组时，Numpy会自动推断元素类型为float64（Numpy默认的浮点类型）。此时数组元素是Numpy原生的数值类型，set_printoptions的precision参数会正常生效，打印时按指定的3位小数格式化。

验证dtype差异 #

可以通过打印数组的dtype来确认：

import numpy as np
np.set_printoptions(linewidth=1000, precision=3)

# 第一种方式的dtype
x = np.array([None])
print(x.dtype)  # 输出: object
x[0] = 1/3
print(x)  # 输出: [0.3333333333333333]

# 第二种方式的dtype
x = [None]
x[0] = 1/3
x = np.array(x)
print(x.dtype)  # 输出: float64
print(x)  # 输出: [0.333]

解决第一种方式的精度问题 #

如果需要预分配数组并限制打印精度，显式指定dtype为Numpy浮点类型即可：

x = np.array([None], dtype=np.float64)
x[0] = 1/3
print(x)  # 输出: [0.333]

内容的提问来源于stack exchange，提问作者SapereAude