为何部分Numpy数值并非整数？两类计算场景的疑问咨询

嘿，这个问题本质上是计算机浮点数的二进制存储与计算特性导致的，和Numpy本身关系不大——换成普通Python浮点数也会遇到类似情况，咱们一个个拆解：

场景1：np.sqrt(2.)**2得到2.0000000000000004而不是2 #

首先，√2是个无理数，它的十进制是无限不循环的，转换成二进制也是无限循环的。但计算机里的浮点数（比如Python的float，对应Numpy的float64）只能用固定位数的二进制存储，只能存下它的近似值，没法完美表示真实的√2。

当你计算np.sqrt(2.)时，得到的就是这个近似的二进制浮点数，它和真实值之间有极其微小的误差。把这个近似值平方后，误差被放大，就出现了2.0000000000000004——这其实是计算机能表示的最接近整数2的浮点数。

你甚至不用Numpy，普通Python代码跑出来结果也一样：

print((2.0 ** 0.5) ** 2)  # 输出同样是2.0000000000000004

场景2：np.linspace(0, 10, 10)生成的多数是小数 #

np.linspace(start, stop, num)的核心逻辑是生成num个均匀分布在[start, stop]之间的数，每个数的计算公式是：
start + i * (stop - start) / (num - 1)，其中i从0到num-1。

在你的例子里，(stop - start)/(num - 1) = 10/9 ≈ 1.1111111111111112，这个值是无限循环的二进制小数，同样没法被浮点数精确存储。所以除了首尾的0和10（这俩是整数，能被精确表示），中间的每个数都是i * 10/9的近似值，自然就呈现出带多位小数的形式。

你手动算一下1*10/9、2*10/9这些值也能发现，它们本身就是无限循环的十进制小数，计算机用二进制浮点数存储时只能保留有限位，最终就出现了你看到的结果。

内容的提问来源于stack exchange，提问作者Anonymous RU