Python Numpy-两个浮点与浮点类型之间的差异'；s精度

我正在查看

numpy.finfo

，并执行了以下操作：

In [14]: np.finfo(np.float16).resolution
Out[14]: 0.0010004
In [16]: np.array([0., 0.0001], dtype=np.float16)
Out[16]: array([ 0.        ,  0.00010002], dtype=float16)

---

向量似乎能够存储两个数字，使得它们的差异比类型的分辨率小10倍。我遗漏了什么吗？

据我所知，精度是你能得到的小数位数。但由于浮点数与指数一起存储，因此可以使用小于分辨率的数字。试试

np.finfo（np.float16）.tiny

，它应该会给你

6.1035e-05

，这比分辨率小得多。但该数字的基部分辨率为~0.001。请注意，finfo中的所有限值都是近似值，因为二进制表示形式与精确的十进制限值不直接相关。

浮点数在初始数字之后具有固定的分辨率。这个数字告诉你的是，当第一个数字位于1.0位置时，数字的分辨率是多少。您可以通过尝试向1.0添加较小的金额来看到这一点：

In [8]: np.float16(1) + np.float16(0.001)
Out[8]: 1.001

In [9]: np.float16(1) + np.float16(0.0001)
Out[9]: 1.0

这与

nextafter

函数有关，该函数给出给定数字之后的下一个可表示数字。考虑到这一差异，大致可以得出以下结论：

In [10]: np.nextafter(np.float16(1), np.float16(np.inf)) - np.float16(1)
Out[10]: 0.00097656