如何避免np.cumsum运算及转列表时出现异常小数？

嘿，这个问题我太熟了！其实是二进制浮点数的精度误差在搞怪——像0.1、0.2这类十进制小数，在二进制里是无限循环的，累积计算时这些微小误差会被放大，就出现了类似0.30000000000000004这种奇怪的结果。下面给你几个实用的解决办法，按需选择就行：

方案一：直接舍入修正（最常用） #

如果你明确知道需要保留的小数位数，用numpy的np.round()直接修正结果就好，简单粗暴又有效：

import numpy as np

arr = np.array([0.1, 0.2, 0.3])
# 计算累积和后保留2位小数
cumsum_arr = np.round(np.cumsum(arr), decimals=2)
print(cumsum_arr.tolist())  # 输出：[0.1, 0.3, 0.6]

方案二：用decimal模块做精确计算（高精度场景） #

如果你的场景对精度要求极高（比如金融计算），不想有任何舍入误差，可以用Python内置的decimal模块来控制计算精度：

from decimal import Decimal, getcontext
import numpy as np

# 设置计算精度，比如保留20位小数
getcontext().prec = 20

# 将数组元素转为Decimal类型（注意要先转字符串，避免浮点数本身的误差带入）
arr_decimal = [Decimal(str(x)) for x in [0.1, 0.2, 0.3]]
# 手动计算累积和
cumsum_decimal = []
total = Decimal(0)
for num in arr_decimal:
    total += num
    cumsum_decimal.append(total)
# 可选：转回普通浮点数列表
cumsum_list = [float(x) for x in cumsum_decimal]
print(cumsum_list)  # 输出：[0.1, 0.3, 0.6]

方案三：整数运算替代浮点数（固定小数位场景） #

如果你的数值都是固定小数位（比如货币、百分比），可以把数值放大为整数计算，最后再缩小回去，完全避开浮点数误差：

import numpy as np

arr = np.array([0.1, 0.2, 0.3])
# 放大100倍转为整数（假设保留2位小数）
arr_int = (arr * 100).astype(np.int64)
# 计算整数累积和
cumsum_int = np.cumsum(arr_int)
# 缩小回原比例
cumsum_arr = cumsum_int / 100
print(cumsum_arr.tolist())  # 输出：[0.1, 0.3, 0.6]

总结一下：日常场景用方案一足够；高精度要求选方案二；固定小数位的业务场景用方案三最稳妥。

内容的提问来源于stack exchange，提问作者tcokyasar