NumPy float16类型在相等性测试中的异常行为

这个矛盾现象的核心是浮点类型隐式转换的规则差异，具体拆解如下：

• 数组整体比较的逻辑：当执行sigma == 1e-7时，NumPy会自动把右侧的1e-7（默认是float64类型）转换为数组的dtype——也就是float16，再逐元素比较。而sigma里的元素本身就是data.var(axis=0) + 1e-7得到的float16值，也就是np.float16(1e-7)，所以所有比较结果都是True，.all()自然返回True。
• 单个元素比较的逻辑：当取sigma[0] == 1e-7时，sigma[0]是一个float16标量，Python会自动把它提升为float64类型（因为右侧的1e-7是float64），再进行比较。但float16的精度有限，np.float16(1e-7)转换为float64后，是1e-7的近似值，和原始的float64类型1e-7并不完全相等，所以比较结果为False。
• 补充说明：数组显示的1.e-07是NumPy的格式化输出，它简化了显示内容，实际存储的是1e-7的float16近似值，并非精确等于float64的1e-7。

• 统一比较时的 dtype：不管是数组还是单个元素，都用同类型的数值比较，比如sigma == np.float16(1e-7)，这样两种场景的结果会一致。
• 用浮点近似比较：对于浮点数值，更安全的方式是用np.allclose(sigma, 1e-7)来判断是否在精度范围内相等，避免精确相等判断的坑。

内容的提问来源于stack exchange，提问作者ludog