Python zip方法结合NumPy舍入结果出现精度异常问题咨询

这其实不是zip()方法的奇怪行为哦，本质是浮点数二进制表示的固有精度限制导致的，下面一步步拆解原因和解决办法：

问题重现 #

你执行的代码步骤：

import numpy as np

a = np.array([1, 2, 3, 1, 1, 2, 1])
elems, counts = np.unique(a, return_counts=True)
# 得到 (array([1, 2, 3]), array([4, 2, 1]))
counts = np.round(counts/a.size, 3)
# 打印显示 array([0.571, 0.286, 0.143])
result_dict = dict(zip(elems, counts))
# 得到 {1: 0.57099999999999995, 2: 0.28599999999999998, 3: 0.14299999999999999}

核心原因 #

np.round(counts/a.size, 3)虽然在打印时显示为三位小数，但NumPy使用的float64（双精度浮点数）无法精确存储像0.571、0.143这样的十进制小数——因为大部分十进制小数转换成二进制时都是无限循环的，只能存储近似值。

zip()只是单纯把两个数组的元素一一配对，并没有修改数值；当这些近似值被转换成Python原生float并显示时，就会暴露底层存储的真实近似值，而不是np.round显示的“美化后”的三位小数。

解决办法 #

如果需要字典里存储的是精确的三位小数数值（或显示为三位），可以试试这些方法：

1. 生成字典时再做一次Python原生round处理

result_dict = {elem: round(count, 3) for elem, count in zip(elems, counts)}
# 得到 {1: 0.571, 2: 0.286, 3: 0.143}

2. 格式化字符串后转成float

result_dict = {elem: float(f"{count:.3f}") for elem, count in zip(elems, counts)}

3. 使用NumPy的数组转列表时指定精度
   如果只是需要美观的输出，也可以直接对counts数组做格式化：

print([f"{c:.3f}" for c in counts])
# 输出 ['0.571', '0.286', '0.143']

内容的提问来源于stack exchange，提问作者martina.physics