Python 3.x np.array2string误报值？

我使用numpy和numpy.array2string来探索小变化和数值稳定性的影响。我对以下练习感到困惑：

<Get vector data through prior code>
print(data.shape)
print(data.dtype)
variance = np.var(data)
print(variance.dtype)
print(variance)
print(np.array2string(variance, suppress_small=True,formatter={'float': '{: 8.55f}'.format}))

这让我大吃一惊：array2string不仅仅是用（明显荒谬的）位数重新格式化值，它似乎在改变值本身，远远高于舍入误差应该起作用的点。（它似乎不是格式化程序，因为我可以删除它，但仍然可以看到更改的值。）

float32可以轻松地直接表示这两个整数值中的任何一个。
我在这里不明白什么？请重申我对客观现实的信念

---

更新：No float32不能准确表示37166410.0，我需要一副阅读眼镜。

“float32可以轻松地直接表示这两个整数值中的任何一个。”不，它不能。37166410附近可精确表示的值之间的间距为4。这可能会给你一个正在发生的事情的提示。顺便说一下，如果你打印

variance+1

：），你可能会更加怀疑自己对客观现实的信心@WarrenWeckesser:当

repr（np.float32（37166411））

返回

37166412.0

时，它可以帮助用户看到37166412.0可以表示为float32，但37166411不是。但是

repr（np.float32（37166410））

返回

37166410.0

，尽管37166410似乎不能准确地表示为float32。这是一个bug吗？@WarrenWeckesser:另外，

repr（np.nextafter（37166405，np.inf，dtype='float32'）

返回

'37166410.0'

，这似乎意味着37166410.0可以表示为float32，但从数字上看，它的行为似乎与37166408.0一样。报告不应该返回37166408吗？“这是一个错误吗？”我不知道——我一直在想同样的事情。数组中显示值的跳转，例如

np.array（范围（3716639037166430），dtype=np.float32）

让我感到惊讶。Ping@MarkDickinson！

torch.Size([1, 64])  # shape of the data
torch.float32        # dtype of the data
float32              # dtype of the variance result
37166410.0
37166408.0000000000000000000000000000000000000000000000000000000