np.float64有多少位有效数字？exp(11.2)泰勒展开项位数不一致原因

1. np.float64的有效数字位数 #

np.float64遵循IEEE 754双精度浮点数标准，底层存储分为1位符号位、11位指数位、52位尾数位，加上尾数位隐含的最高位1，实际有效二进制位数为53位。
换算为十进制有效数字时，log10(2^53) ≈ 15.95，因此相关特性为：

• 可以保证15位十进制有效数字完全精确，任意15位有效数字的十进制数转换为np.float64后再转回十进制，不会出现精度丢失
• 最多可以表示17位十进制有效数字，17位是能够唯一区分任意两个不同np.float64值所需的最少十进制位数

2. 泰勒展开项显示位数不一致的原因 #

你观察到的位数差异是Python/NumPy的默认浮点数打印规则导致的，和实际存储精度无关：

• 所有np.float64类型的数值存储精度都是统一的53位二进制，不会因为显示位数不同出现差异
• 默认打印浮点数时，Python会选择能唯一对应到该float64值的最短十进制字符串输出：如果某个数值用15位十进制数字就能和其他所有float64值区分开，就会显示15位；如果需要16或17位才能唯一区分，就会显示对应长度的数字。

如果需要统一显示全部17位有效数字，可以手动设置打印规则：

# NumPy全局设置，打印时显示17位精度
np.set_printoptions(precision=17)
# 单值格式化打印
print("{:.17g}".format(展开项数值))

内容的提问来源于stack exchange，提问作者Yunwei Lu