Numpy float32类型的意外舍入行为疑问

你遇到的现象是因为Numpy在将float32类型转换为字符串时，采用了最短唯一表示的策略，而非直接输出该浮点数对应的完整十进制精确值。

核心原因解释 #

单精度浮点数（float32）的有效十进制位数约为6-7位。Numpy在生成字符串时，只会输出足够唯一标识该float32值的最短字符串——也就是说，这个短字符串可以准确还原回原始的float32二进制值，不会丢失信息，同时兼顾可读性。

而在线转换器给出的0.2581568658351898193359375，是该float32值对应的完整十进制精确展开，它是二进制浮点数转换为十进制后的全部位数，但这些额外的位数对于唯一确定这个float32值来说是冗余的。

验证示例 #

可以通过代码验证两种表示对应同一个float32值：

import numpy as np

# 原始转换的float32值
float32_val = np.float32(0.2581568658351898)
# Numpy输出的短字符串
short_str = float32_val.astype(str)
# 从短字符串转回float32
recovered_val = np.float32(short_str)
# 从精确长字符串转回float32
long_str = "0.2581568658351898193359375"
recovered_from_long = np.float32(long_str)

print(float32_val == recovered_val)          # 输出 True
print(float32_val == recovered_from_long)    # 输出 True

这说明无论用短字符串还是完整精确值，最终对应的float32二进制表示完全一致，Numpy的短字符串输出并没有丢失任何关键信息。

内容的提问来源于stack exchange，提问作者Async Z