Python中使用Numpy的浮点舍入错误

我有一个问题，我相信与浮标和精度有关，但我对涉及的各种复杂问题不是很精通。我是一个数学爱好者，在我看来，我可能仍然只是在黑板上用小数。我将开始对此进行研究，但与此同时，我想知道是否有一些通用的技术可以解决我将在下面概述的问题

我有一个小数的numpy数组，我想四舍五入到最接近的.02。我最初是通过将数组中的每个元素除以.02，将结果四舍五入，然后再乘以.02来实现的。实际数据是由一些处理输入的代码生成的，但这说明了问题：

x = np.array([.45632, .69722, .40692])
xx = np.round(x/.02)*.02

正如我可以检查的那样，它似乎正确地包围了一切：

xx
array([0.46, 0.7, 0.4])

但是，如果我检查第一个和第二个元素，我会得到：

xx[0]
0.46000000000000002
xx[1]
0.70000000000000007

数组中的每个元素的类型都是numpy.float64。问题会在稍后出现，因为我使用了这些数字和比较运算符来选择数据的子集，然后发生的事情有点不可预测：

xx[0] == .46
True

但是,

---

正如我所说，我对这个特殊的应用程序有一个变通方法，但我想知道是否有人有办法让我的第一种方法起作用，或者是否有一些技术可以处理这些类型的数字，这些技术更一般，我应该知道

Python的

格式也可以用于此

print format(xx[1], '.100f')

此代码返回
xx[1]

即
xx[1]=0.70000000000000661338147750939242541790008544921875

您可以通过下面显示的代码检查这些

if xx[1] == 0.70000000000000006661338147750939242541790008544921875:
    print 'true'

不要使用
==
来选择数据子集，而是尝试使用。这允许您为比较指定相对/绝对公差
（绝对（a-b）您可能应该在不使用==运算符的情况下比较浮点数。相反，将数字与一系列值进行比较，例如“
xx[0]
在0.46的1e-10范围内？”。或者，不要使用浮点数（将每个数字保存为实际数字的100倍）.hav看一看isclose或allclose in（numpy）[强制性链接：我实际上要回答我自己的问题，并建议一个可容忍的差异和<运算符，但这是一个需要了解的有用的小函数。链接已断开（无法编辑）：
if xx[1] == 0.70000000000000006661338147750939242541790008544921875:
    print 'true'