Python中numpy将float64数组转为int时出现数值异常是什么原因？

• 本质是浮点运算精度误差和astype('int')的截断规则共同导致的。
• 你自定义逆DFT的计算过程中，包含大量复数乘法、指数运算、累加操作，所有float64类型的运算都会引入微小的舍入误差。你打印出来的y看似是整数，只是numpy默认的打印配置隐藏了极小的小数部分，实际存储的float64数值并不是精确的整数：比如看似为1.的元素实际值可能是0.9999999999999987，看似为-4.的元素实际值可能是-3.999999999999996，看似为2.的元素实际值可能是1.9999999999999982。
• numpy的astype('int')转换逻辑是直接截断小数部分，而非四舍五入：上述例子里的0.9999999999999987截断后得到0，-3.999999999999996截断后得到-3，1.9999999999999982截断后得到1，和你遇到的偏差完全吻合。

你可以通过打印更高精度的数值验证该结论，执行代码：

print(np.array2string(y, precision=20))

就能看到每个元素的实际浮点值。

解决方法 #

转换为int前先对浮点值做四舍五入即可得到正确结果：

print(np.round(y).astype('int'))

内容的提问来源于stack exchange，提问作者Gerold