Python np.arange'；这是一种奇怪的行为

我试图为N个离散分数的分布创建一个N+1个箱子的数组

我想numpy的

arange

可以用于此。但是，该函数给我提供了奇数值，这对生成的numpy直方图有显著影响。下面是一个简单的例子：

n = 10
a = np.arange(0, 1.01 + 1/n, 1/n)

print(a)
for i in a:
    print(i)

---

事实上，仅仅打印数组输出看似正常的值是额外的误导。如果我想将此数组用作numpy的

histogram（）

函数的

bins

参数，这是一个大问题，因为我的值是k/10小数。特别是，值为0.7的所有数据点都将放在

[0.600000000000001，0.70000000000001]

bin中，而根据np.histogram（）文档，我希望它们位于

[0.7，0.8]

中

---

问题是这是一个bug还是一个特性。

问题是很难将某些十进制精确地表示为二进制浮点数-因此它们被转换为足够接近的浮点数

如果打印它们时未设置明确的精度限制，它们可能会转换为与预期数字稍有不同的十进制表示形式

---

要将精度设置为例如5个小数点，请使用

print（“{.5g}.”格式（i））

这与numpy完全无关，这些数字的二进制表示在计算机世界中并不精确

例如，0.3不能用有限的数字表示。这就是为什么你会得到这些结果，这些结果接近你的预期，但并不完全正确

当您看到以下内容时，您会感到惊讶：

>>> print('{:.50}'.format(0.3))
0.2999999999999999888977697537484345957636833190918

---

可能更适合这种情况，例如

np.linspace（0，1.1，12）

。还可以使用指定小数位数。在任何情况下，如果小数精度对你来说非常重要，你可以考虑将数据乘以10，舍入和使用整数。@ DavIDG可能是，但什么是一个很好的方法来解决一般化的装箱问题？@ DavIDG他们有相同的答案（因为他们处理相同的效果），但是它们是不同的-您链接的问题是关于浮点运算的

0.1+0.2==0.3

@jdehesa谢谢。我想主要的问题是我的数据点没有以相同的方式表示。尽管如此，我只是在二进制向量上使用np.mean（）来获得我的分数。所以我猜是np.mean，或者np.sum（a）/N，对输出进行隐式四舍五入？“额外问题”应该作为一个单独的问题提出，是的，有一个解决方案。

>>> print('{:.50}'.format(0.3))
0.2999999999999999888977697537484345957636833190918