如何避免浮点精度问题影响numpy.arange的执行结果？

这个问题确实挺头疼的——因为浮点数在二进制中的存储特性，再加上numpy.arange()用ceil((stop - start)/step)计算元素数量的逻辑，一点点精度偏差就会导致结果超出预期，比如你提到的stop变成.400000001就多出来一个元素的情况。

下面给你几个靠谱的解决思路，按推荐程度排序：

1. 整数缩放法（最可靠） #

既然浮点运算容易出问题，那我们先把数值转换成整数进行精确计算，最后再缩放回去。比如你要生成0.1, 0.2, 0.3（从0.1到0.4，步长0.1），可以这么做：

import numpy as np
# 把所有数值放大10倍，用整数arange生成
integer_arr = np.arange(1, 4, 1)  # 得到 [1,2,3]
# 再缩小10倍回到原尺度
result = integer_arr / 10

这种方法完全避开了浮点精度问题，因为整数运算在numpy里是精确的，适合步长是十进制小数的场景。

2. 自定义安全arange函数 #

如果不想用缩放，可以自己写一个函数，通过精确计算元素数量来生成数组，避免ceil()带来的误差：

import numpy as np

def safe_arange(start, stop, step):
    # 计算理论上的步数，用round处理浮点偏差
    num_steps = int(np.round((stop - start) / step))
    if num_steps <= 0:
        return np.array([])
    # 用start + 步数*step的方式生成，确保最后一个元素不会超过stop
    return start + np.arange(num_steps) * step

测试一下你提到的场景：

safe_arange(0.1, 0.4, 0.1)  # 输出 array([0.1, 0.2, 0.3])
safe_arange(0.1, 0.400000001, 0.1)  # 同样输出 array([0.1, 0.2, 0.3])

这个函数通过round()把接近整数的浮点值修正为整数，再直接生成对应数量的元素，从根源上避免了ceil()放大精度误差的问题。

3. 事后过滤（应急方案） #

如果已经生成了数组，想过滤掉意外包含的接近stop的元素，可以用numpy.isclose()来做：

start = 0.1
stop = 0.4
step = 0.1
arr = np.arange(start, stop + step, step)
# 过滤掉大于等于stop的元素（考虑浮点精度）
filtered_arr = arr[~np.isclose(arr, stop) & (arr < stop)]

不过这个方法属于“亡羊补牢”，不如前两种可靠，适合临时处理已有数组的情况。

另外你提到的linspace需要提前知道步数的问题，其实可以结合整数缩放的思路来解决——比如先算清楚需要多少步，再用linspace，但本质上和第一种方法类似。

内容的提问来源于stack exchange，提问作者Brendan Frick