当我将float64数字转换为数字时,float32我得到一个奇怪的结果:
In [22]: np.float32(20140131.0)
Out[22]: 20140132.0
为什么会这样？
20140131.0不能表示为32位整数.
对于浮动,在每个范围内,数字均匀分布.
所以它是(1 + M)*2 ^(E)
所以20140131.0在2 ^ 24到2 ^ 25的范围内.该范围内有16,777,216个数字,但只有8,388,608个可表示的浮点数.所以你只能代表偶数.
由于在32位浮点数中,尾数只有23位,因此整数最多只能表示为2 ^ 24.在那之上,epsilon > 1.epsilon两个相邻浮点数之间的差异在哪里.
至于python浮动,我相信他们的工作方式如下:
python中的浮点数通常不是32位或64位,所以这不是问题.长度自动调整.买你把它们投射到特定的类型,所以你看到缺乏分辨率.对于64位整数,尾数中有52位,所以在超过2 ^ 53之前你不会看到这个问题.
此外,数字舍入到最近的浮点数的方式通常以系统范围的方式定义(我认为),但是python的转换可能超过此规则,我并不完全熟悉它.