numpyfloat64与Python float

我正在处理Pandas read_csv函数中的一些浮点问题。在我的调查中，我发现：

In [15]: a = 5.9975

In [16]: a
Out[16]: 5.9975

In [17]: np.float64(a)
Out[17]: 5.9974999999999996

为什么Python的内置

float

和Python的

np.float64

类型给出不同的结果？我认为他们都是C++双打？< /P>

>>> numpy.float64(5.9975).hex()
'0x1.7fd70a3d70a3dp+2'
>>> (5.9975).hex()
'0x1.7fd70a3d70a3dp+2'

---

他们是同一个号码。不同的是它们的代表性；Python本机类型使用“sane”表示法，NumPy类型使用精确表示法。

表示法是指它打印到屏幕上的方式？通过

\uu repr\uu（）

方法或其C级等效方法，是的。真正精确的表示法实际上是5.99749999999999996092014953319448970708815283203125，这是计算浮点文字

5.9975

@MarkAmery时得到的64位浮点的精确十进制值。浮点64可以达到的最大精度接近10-16（最后一位的单位（ULP），请参阅）因此，一个浮点数的精确十进制值远远超过16位的想法是错误的。@JonathanNappee:事实上，每个数字二进制64表示法都有一个精确的十进制等价物。当我们认为给定的二进制64值表示的十进制值精度要低得多时，就会出现问题。另外请注意，Pandas

read\u csv

函数使用自己的超快字符串到浮点转换，但未正确舍入。因此，在导出值并重新读取后，恢复的值可能最终与原始值不同1或2 ULP。