如何提升NumPy loadtxt读取数据的精度，避免数值舍入损失

问题原因 #

默认情况下numpy.loadtxt会将浮点数值解析为float64类型，而float64的有效十进制精度仅为15~17位，你提供的示例数值十进制位数已经超过了float64的精度上限，因此会触发自动舍入，该现象是默认数据类型限制导致的，并非loadtxt本身的bug。

可行解决方案 #

方案1：指定更高精度的浮点类型读取 #

部分平台下NumPy支持longdouble扩展精度浮点类型，有效十进制位数可达18~19位，足以覆盖你示例中的数值精度需求，使用方式如下：

import numpy as np

# 读取时指定dtype为np.longdouble
data = np.loadtxt("你的文件路径.txt", dtype=np.longdouble)

# 验证精度时不要直接打印numpy数组，调用.item()取原生值查看
print(data[0].item())

方案2：使用Decimal类型完全保留十进制精度 #

如果longdouble仍无法满足精度要求，可以搭配Python标准库的Decimal类型读取，完全保留文本中的原始数值，不会做任何浮点舍入：

from decimal import Decimal
import numpy as np

# converters参数根据你的实际列数调整，也可以单独指定某几列使用Decimal转换
data = np.loadtxt("你的文件路径.txt", dtype=object, converters={col: Decimal for col in range(文件总列数)})

方案3：通过pandas中转读取 #

pandas的read_csv对高精度数值的解析适配更完善，也可以作为替代方案：

import pandas as pd
import numpy as np

# 读取时指定高精度dtype
df = pd.read_csv("你的文件路径.txt", header=None, dtype=np.longdouble)
# 转成numpy数组使用
data = df.to_numpy()

注意事项 #

• NumPy默认打印数组时会自动截断浮点值的显示位数，验证精度时必须调用元素的.item()方法取到Python原生类型值，才能看到实际存储的完整精度。
• 后续计算过程中需要保持全链路使用对应精度的类型，不要中途转为float64，否则仍会出现精度损失。

内容的提问来源于stack exchange，提问作者Ajinkya Bankar