numpy.r_切片结果不一致（含终止值），浮点精度问题咨询

问题本质：浮点精度的固有特性，而非Bug #

你遇到的np.r_[a:b:t]和np.r_[a+x:b+x:t]结果形状不一致的情况，不是NumPy的Bug，根源是浮点数的二进制表示限制：像2.56、-665.6这类十进制小数无法被二进制浮点数精确存储，累加步长时的误差会累积，导致不同偏移场景下的边界判断结果不同。

np.r_的步长模式本质是调用np.arange，它的逻辑是从start开始不断累加step，直到结果超出stop（正步长时）。浮点累加的误差会让最后一步的结果在不同偏移下，可能刚好等于stop（被包含），也可能略大于/小于stop（被排除），这就是两个场景结果不同的核心原因。

更优雅的解决方案 #

官方推荐的linspace确实和arange/r_的API不同，但可以基于它或者整数运算实现更稳定的步长区间生成：

方案1：整数运算彻底规避浮点误差 #

把所有数值转换为整数运算，避免浮点精度问题，适合步长和区间值都是有限位小数的场景：

import numpy as np

def precise_step_range(start, stop, step):
    # 计算需要放大的倍数，覆盖所有数值的小数位数
    def get_decimal_places(num):
        s = str(num)
        return len(s.split('.')[1]) if '.' in s else 0
    
    max_decimals = max(get_decimal_places(start), get_decimal_places(stop), get_decimal_places(step))
    scale = 10 ** max_decimals
    
    # 转换为整数，避免浮点误差
    start_int = int(round(start * scale))
    stop_int = int(round(stop * scale))
    step_int = int(round(step * scale))
    
    # 根据步长正负处理区间边界
    if step_int > 0:
        # 正步长时，+1确保刚好整除时包含终点（可根据需求调整）
        arr_int = np.arange(start_int, stop_int + 1, step_int)
    else:
        # 负步长时，-1确保刚好整除时包含终点
        arr_int = np.arange(start_int, stop_int - 1, step_int)
    
    return arr_int / scale

测试验证：

precise_step_range(-665.6, -650.24, 2.56)
# 输出: array([-665.6 , -663.04, -660.48, -657.92, -655.36, -652.8 ])

precise_step_range(-15.6, -0.24, 2.56)
# 输出: array([-15.6 , -13.04, -10.48,  -7.92,  -5.36,  -2.8 ])

两个场景结果形状完全一致，符合预期。

方案2：基于linspace精确计算元素个数 #

如果不想处理整数转换，可以通过计算理论元素个数，结合linspace生成区间，用极小的epsilon判断是否刚好整除：

import numpy as np

def linspace_with_step(start, stop, step, endpoint=False):
    delta = stop - start
    # 根据步长正负计算元素个数
    if step > 0:
        num = int(np.floor(delta / step))
    else:
        num = int(np.ceil(delta / step))
    
    # 若需要包含终点且差值刚好是步长的整数倍，增加一个元素
    if endpoint and abs(delta % step) < 1e-10:
        num += 1
    
    return np.linspace(start, start + num * step, num=num)

测试验证：

# 默认不包含终点，和你加偏移后的结果一致
linspace_with_step(-665.6, -650.24, 2.56)
# 输出: array([-665.6 , -663.04, -660.48, -657.92, -655.36, -652.8 ])

# 指定endpoint=True则包含终点
linspace_with_step(-665.6, -650.24, 2.56, endpoint=True)
# 输出: array([-665.6 , -663.04, -660.48, -657.92, -655.36, -652.8 , -650.24])

总结 #

• 浮点精度问题是二进制浮点数的固有特性，而非NumPy的Bug，np.arange/np.r_的步长模式依赖浮点累加，必然受此影响。
• 用整数运算或基于linspace的精确元素个数计算，能彻底解决这种结果不一致的问题，且比你现有的函数更简洁稳定。

内容的提问来源于stack exchange，提问作者Shaq