np.arange函数异常行为求助：离散得分分箱数组生成异常

我太懂你遇到的这个糟心事儿了——想用np.arange生成等间距的分箱数组，结果出来一堆带长尾巴的异常浮点数，直接搞砸了后续的直方图统计。咱们先拆解问题，再给靠谱的解决方案。

为什么会出现这些奇怪的数值？ #

这事儿本质上是二进制浮点数的局限性导致的：像0.1这种十进制小数，根本没办法用二进制浮点数精确存储，它在二进制里是一个无限循环的小数。当np.arange通过不断累加步长（这里是1/10=0.1）生成数组时，每次累加都会把微小的精度误差放大，到第3次累加时，0.1+0.1+0.1就变成了0.30000000000000004，后面的0.6、0.7也会出现类似的误差。

np.arange的工作逻辑就是起始值加步长，再加步长，这种累加式的生成方式对浮点数误差毫无抵抗力，很容易跑偏。

靠谱的替代方案 #

1. 用np.linspace代替np.arange（首推）

np.linspace是直接计算每个位置的数值，而不是靠累加步长，从根源上避免了误差累积。你只需要指定起始值、终止值和要生成的元素数量就行：

import numpy as np
n = 10
# 要生成12个元素（和你原来的arange结果数量一致），指定num=12
a = np.linspace(0, 1.1, num=12)
print(a)
# 输出：[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.  1.1]

这样生成的每个数值都是精确符合预期的，完全不会有长尾巴的异常值。

2. 先生成整数数组再缩放

另一个思路是彻底避开浮点数累加，先生成整数序列，再除以n得到分箱边界：

import numpy as np
n = 10
# 生成0到11的整数，再除以10得到0到1.1的序列
a = np.arange(0, 12) / n
print(a)
# 输出同样是精确的[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.  1.1]

整数运算没有精度问题，缩放后的结果自然也不会出错。

3. 四舍五入修正（谨慎使用）

如果实在要保留np.arange的写法，可以对结果做四舍五入到合适的小数位，但这个方法有风险，比如可能会让相邻分箱边界重叠或者出现间隙，只适合对精度要求不高的场景：

import numpy as np
n = 10
a = np.arange(0, 1.01 + 1/n, 1/n)
# 四舍五入到1位小数
a = np.round(a, decimals=1)
print(a)

总结 #

优先选np.linspace或者整数缩放的方法，这俩能从根本上解决浮点数累加的误差问题，保证分箱边界的准确性，这样你的numpy直方图统计就不会因为边界异常而出现错误计数了。

内容的提问来源于stack exchange，提问作者Alex Ten