遍历numpy数组时出现值异常问题求助

嘿，这个问题其实是二进制浮点数的固有精度限制在搞鬼，我来给你拆解清楚：

为什么会出现这种情况？ #

首先得明白：十进制里的0.01这类小数，没法用二进制浮点数精确表示——就像你没法用十进制精确表示1/3一样。

• 当你用np.arange(.01, .2, .01)生成数组时，每次累加0.01的近似二进制值，次数多了就会产生微小的误差。比如本应是0.06的位置，实际存的是0.060000000000000005。
• NumPy打印数组的时候，会自动做格式化处理，把这些接近预期值的数截断显示成你眼熟的0.06，但数组里的真实值还是带偏差的那个。
• 而用列表推导式取出元素时，Python会直接展示浮点数的原始存储值，所以你能看到那些长长的小数。这就导致直接用==比较或者in判断时，因为字面量0.06和数组里的0.060000000000000005不是同一个值，结果自然不对。

怎么解决？ #

针对这个问题，有几个实用的处理方案，按需选择：

1. 用近似比较替代精确相等 #

别直接用==或者in来判断浮点数，改用NumPy的np.isclose函数，它能帮你在指定的精度范围内判断数值是否近似相等：

import numpy as np
k = .2
A = np.arange(.01, k, .01, dtype=np.float64)

# 检查数组元素和列表推导式的元素是否近似相等
print(np.isclose(A, [A[i] for i in range(len(A))]))
# 检查0.06是否近似存在于数组中
print(np.any(np.isclose(A, 0.06)))

2. 换用np.linspace生成等间隔数组 #

np.linspace是通过指定起始值、结束值和元素个数来生成数组，避免了累加浮点数带来的误差，生成的数值更符合预期：

import numpy as np
k = .2
# 生成从0.01到0.19（和原arange范围一致，因为arange不包含终点0.2）的19个元素
A = np.linspace(0.01, 0.19, 19, dtype=np.float64)

print(A)
print([A[i] for i in range(len(A))])
print(np.isclose(A, [A[i] for i in range(len(A))]))
print(np.any(np.isclose(A, 0.06)))

3. 用精确十进制类型（适合高精度场景） #

如果你的业务完全不能容忍任何精度误差，可以用Python的decimal模块来处理精确的十进制运算，不过这种方式会牺牲一些性能，而且NumPy对decimal类型的支持有限，适合小范围使用：

from decimal import Decimal
import numpy as np

start = Decimal('0.01')
step = Decimal('0.01')
k = Decimal('0.2')
A_list = []
current = start
while current < k:
    A_list.append(current)
    current += step

# 转为NumPy对象数组存储精确十进制值
A = np.array(A_list, dtype=np.object_)
print(A)
print(Decimal('0.06') in A)

最后再啰嗦一句 #

浮点数精度问题是所有基于IEEE 754标准的语言都会遇到的，不是NumPy或者Python的bug。日常开发中，只要误差在业务允许的范围内，用np.isclose这类近似比较方法就足够解决大部分问题啦。

内容的提问来源于stack exchange，提问作者Loheek