NumPy浮点数转字符串：str函数与f-string结果为何不同？

咱们先看你给出的这个代码案例：

import numpy as np

number = np.float32(0.12345678)
assert str(number) == "0.12345678"
assert f"{number}" == "0.12345678359270096"

出现这种差异的核心原因是，这两种字符串转换方式调用了NumPy float32对象不同的底层方法：

• 当你用str(number)时，触发的是NumPy浮点数的__str__方法。这个方法的设计初衷是优先保证可读性，它会直接返回和你输入的十进制数最匹配的字符串表示，不会暴露底层二进制存储的精确值，所以你看到的就是当初赋值的"0.12345678"。

• 而f-string本质上调用的是对象的__format__方法，它遵循Python标准的浮点数格式化逻辑。这时候NumPy的float32会先被转换为Python原生的双精度float类型，而由于0.12345678这个十进制数无法被二进制浮点数精确存储，转成双精度后就会显示出底层存储的真实精确值——也就是"0.12345678359270096"。

如果想让f-string输出和str()一致的结果，你可以手动指定格式化精度，比如用f"{number:.8f}"，这样就能得到和str(number)完全相同的"0.12345678"啦。

备注：内容来源于stack exchange，提问作者Noushadali