为何NumPy数组转Python列表后0.3数值出现差异？

当通过np.arange生成浮点数数组再转换为Python列表时，会出现0.3显示为0.30000000000000004的情况，但直接显示NumPy数组时却正常显示0.3；而生成整数数组转列表则无此异常，具体代码及输出如下：

display(np.arange(0.1, 0.4, 0.1)) # 输出: array([0.1, 0.2, 0.3, 0.4])
display(np.arange(0.1, 0.35, 0.1)) # 输出: array([0.1, 0.2, 0.3])
display(np.arange(0.1, 0.3, 0.1)) # 输出: array([0.1, 0.2])

display(list(np.arange(0.1, 0.4, 0.1))) # 输出: [0.1, 0.2, 0.30000000000000004, 0.4]
display(list(np.arange(0.1, 0.35, 0.1))) # 输出: [0.1, 0.2, 0.30000000000000004]
display(list(np.arange(0.1, 0.3, 0.1))) # 输出: [0.1, 0.2]

原因分析 #

这不是工具bug，而是二进制浮点数的精度限制导致的：

• 0.1这类十进制浮点数无法被二进制浮点数精确表示，np.arange(0.1, 0.4, 0.1)本质是在累加近似值，最终得到的"0.3"实际是一个极其接近0.3但略有偏差的数值。
• NumPy数组在显示时会自动做格式化处理，把近似值显示为直观的0.3，隐藏了底层精度误差；而Python列表会直接输出浮点数的真实存储值，因此会看到0.30000000000000004。
• 整数可以被二进制精确表示，所以list(np.arange(1,7))这类整数数组转列表不会出现异常。

解决办法 #

方法1：转列表时手动控制精度

用列表推导式对每个元素做四舍五入：

arr = np.arange(0.1, 0.4, 0.1)
result = [round(x, 1) for x in arr]
# 输出: [0.1, 0.2, 0.3, 0.4]

方法2：使用NumPy的round函数预处理数组

先对数组做精度处理再转列表：

arr = np.round(np.arange(0.1, 0.4, 0.1), 1)
result = list(arr)
# 输出: [0.1, 0.2, 0.3, 0.4]

方法3：用decimal模块避免二进制精度误差

如果需要更高精度的数值计算，可使用Python的decimal模块：

from decimal import Decimal
start = Decimal('0.1')
stop = Decimal('0.4')
step = Decimal('0.1')
result = []
current = start
while current < stop:
    result.append(float(current))
    current += step
# 输出: [0.1, 0.2, 0.3]

内容的提问来源于stack exchange，提问作者Marsha T