Python Sci套件定标器和反转不产生相同的数字？

Sci工具包有点新，但注意到一些行为，在minmax规范化和反转中似乎有点奇怪（但这可能是预期的行为？？）。我想当反转时，我会重新生成原始数据点-但是相反，反转生成的数字“接近”，但不完全相等。。。这是应该发生的，还是我把事情搞砸了

#previously imported data is in a 3 column df
scaler = sklearn.preprocessing.MinMaxScaler()
df_norm = df.copy()
(df_norm == df).all()
#RETURNS TRUE

df_norm = scaler.fit_transform(df_norm) 
df_norm = scaler.inverse_transform(df_norm)

(df_norm == df.values).all()
#RETURNS FALSE

所以我只是有点困惑，为什么我有两个相同的数据帧，但在缩放和反转数据集后，它们不再相等？许多数字是相等的，但也有不少是不相等的。奇怪的是，如下图所示，有些甚至看起来完全相同，但在使用df_norm==df进行测试时却没有这样显示

df:
array([[17.21 , 17.21 , 17.23 , 17.16 ],
       [17.21 , 17.19 , 17.25 , 17.19 ],
       [17.185, 17.21 , 17.23 , 17.18 ],
       ...,
       [12.78 , 12.78 , 12.78 , 12.78 ],
       [12.78 , 12.78 , 12.78 , 12.78 ],
       [12.78 , 12.78 , 12.78 , 12.78 ]])

df_norm
array([[17.21 , 17.21 , 17.23 , 17.16 ],
       [17.21 , 17.19 , 17.25 , 17.19 ],
       [17.185, 17.21 , 17.23 , 17.18 ],
       ...,
       [12.78 , 12.78 , 12.78 , 12.78 ],
       [12.78 , 12.78 , 12.78 , 12.78 ],
       [12.78 , 12.78 , 12.78 , 12.78 ]])

df == df_norm
array([[ True,  True,  True,  True],
       [ True,  True,  True,  True],
       [ True,  True,  True,  True],
       ...,
       [ True,  True, False,  True],
       [ True,  True, False,  True],
       [ True,  True, False,  True]])

---

这个问题很可能是由浮点数的性质引起的，造成如下影响：

In [17]: 0.1 + 0.2 == 0.3
Out[17]: False

In [18]: 0.1 + 0.2 - 0.3
Out[18]: 5.551115123125783e-17

尝试使用以下方法比较阵列：

---

以下公式的输出是什么：

df_norm.sum（）-df.values.sum（）

？该公式的输出是0.0…np.allclose（）=true。谢谢，这很奇怪/出乎意料，但是在读了一些关于浮点的书之后，这就很有道理了@TheRhyno，很高兴我能帮上忙：）

np.allclose(df_norm, df.values)