步长0.0025的枚举数组修正异常：能被0.0075整除值错误修改

问题根源 #

你遇到的错误是浮点数二进制存储的精度限制造成的：

• 像0.0025、0.0075这类十进制小数，无法用二进制浮点数精确表示，计算机存储的是接近真实值的近似值（比如0.0075实际存储为0.007499999999999999，0.0025存储为0.0025000000000000001）。
• 当执行np.round_(x,4) % 0.0025时，对于理论上的0.0075，计算机判断存储的近似值略小于3*0.0025的近似值，因此模运算返回的余数是0.007499999999999999 - 2*0.0025000000000000001 = 0.0024999999999999988。
• 用round后的0.0075减去这个余数，最终得到0.005000000000000001，也就是你看到的错误结果0.005。

修正方案 #

方案1：整数缩放实现向下取整（匹配原代码逻辑） #

利用0.0025 = 1/400的特性，将数值转换为整数运算，彻底规避浮点数精度问题：

def enumeration(data):
    # 缩放为整数：每0.0025对应1个整数单位
    scaled = data[:, 0] * 400
    # 向下取整到最近的整数
    scaled_floor = np.floor(scaled)
    # 转换回原数值尺度
    corrected = scaled_floor / 400
    return corrected

方案2：取最近的步长倍数（可选） #

如果不需要严格向下取整，而是修正为最接近的0.0025倍数，可使用以下代码：

def enumeration(data):
    step = 0.0025
    # 除以步长后取整，再还原为原尺度
    corrected = np.round(data[:, 0] / step) * step
    return corrected

测试效果 #

• 对0.00749989：两个方案都返回0.0075
• 对0.0075：两个方案都返回0.0075
• 对21.1892：方案1返回21.1875（符合你的预期），方案2返回21.19

内容的提问来源于stack exchange，提问作者vinc00