Python numpy-arange：为什么下面的例子不以10结尾

我是Python初学者。正在尝试动手学习numpy

import numpy as np
x = np.arange(0.5, 10.4, 0.8, int)

它输出：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 ]

我希望它能回来（因为最后一项是10.4）：

除此之外，如果我执行此操作（理解此示例）：

它打印：

[  0.5  1.3  2.1  2.9  3.7  4.5  5.3  6.1  6.9  7.7  8.5  9.3  10.1 ]

---

这是一种非常奇怪的调用

arange

的方式。这种行为没有记录在案，我认为没有经过多少思考。以下是基于的情况，至少在当前版本中是这样

使用您传递的原始参数0.5、10.4和0.8，NumPy使用helper函数计算结果和第二个元素的长度。这些计算是在Python对象算法中完成的，长度转换为

npy\u intp

整数。在您的例子中，长度计算为13

然后，NumPy分配一个请求数据类型和计算长度的数组，并将前两个元素存储在数组中。在存储元素时，它们将进行通常的NumPy数据类型转换。在您的例子中，前两个元素被强制为0和1

---

最后，NumPy调用新数组的函数，用前两个元素计算的值填充数组。

fill

函数从前两个元素重新计算步长，因此它计算步长为1，并用0到12的整数填充数组。

np.arange（0.5,10.4,0.8，int）

和

np.arange（0.5,10.4,0.8）

具有相同的元素量，因此在不知道答案的情况下，我猜，不知何故，元素的数量是先确定的，然后步骤变成一个整数…np.arange（0.5，10.5，0.4，int）的结果更好：

数组（[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0），0，0，0），0，

这项工作原理是：x=list（map（int，np.arange）（0.5,10.4,0.8））。此行为甚至在中提到（尽管不是很明确）：当使用非整数步长（如0.1）时，结果通常不一致。对于这些情况，最好使用

linspace

。这是一个相当详细的答案，我不希望有这么多好的解释。我将尝试耐心地理解它，以便从源代码完全掌握。竖起大拇指！

x = np.arange(0.5, 10.4, 0.8)
print(x)

[  0.5  1.3  2.1  2.9  3.7  4.5  5.3  6.1  6.9  7.7  8.5  9.3  10.1 ]