Python Numpy平均值函数舍入误差

我觉得这很奇怪。有人能告诉我这是怎么回事吗

>>>a = [1,0,1]
>>>np.mean(a)
   0.66666666666666663
>>>2.0/3
   0.6666666666666666

---

np.mean（a）

输出末尾的3是怎么回事？为什么它不像下面的那一行那样是6或7（四舍五入时）？

这只是两种不同类型的不同字符串表示的一种情况：

In [17]: a = [1, 0, 1]

In [18]: mean(a)
Out[18]: 0.66666666666666663

In [19]: type(mean(a))
Out[19]: numpy.float64

In [20]: 2.0 / 3
Out[20]: 0.6666666666666666

In [21]: type(2.0 / 3)
Out[21]: float

In [22]: mean(a).item()
Out[22]: 0.6666666666666666

他们比较平等：

In [24]: mean(a) == 2.0 / 3
Out[24]: True

In [25]: mean(a).item() == 2.0 / 3
Out[25]: True

---

现在可能是阅读和的时候了。

为什么会有反对票？至少解释一下。这是完全合理的…除非你真的没有读过这个问题…@Brian这个问题在这个论坛上已经被回答了很多次了。@Ophion所以投反对票，评论说这是个骗局，并链接到一个。当被愚弄者没有出现在搜索或相关列表中时，为什么人们要“点击并运行”投票否决一个新用户？@Brain你必须问他们，但这是一个谷歌很容易回答的问题，它本质上是对SO问题的检查。@Ophion:这不是标准的

OMG，0.1+0.2=0.3000004

您每天会看到三次，这似乎是一个让我吃惊的有效问题。python浮点值也应该是64位的，但numpy的打印方式仍然有点奇怪。@BasSwinckels不确定我是否理解您的论点。你是说，因为它们都是浮点类型，具有64位表示，所以它们应该

repr

相同，即使它们在类型层次结构中是不同的类型？我知道它们是不同的类型，具有不同的repr，但都应该包装相同的float64值。在这种情况下，似乎没有努力让repr显示它真正的类型，所以我只是觉得有点奇怪，他们没有使用相同的算法来创建字符串表示。我猜这已经在NumPy ML上讨论过了。我真的没有时间研究它，但我敢打赌你会在那里找到更多的信息。