Bre*_*ick 6 python floating-point numpy python-2.7
因为numpy.arange()用于ceil((stop - start)/step)确定项目的数量，所以小的浮点精度(stop = .400000001)可能会向列表中添加一个意想不到的值。
第一种情况不包括停止点（拟）
>>> print(np.arange(.1,.3,.1))
[0.1 0.2]
第二种情况包括停止点（非预期）
>>> print(np.arange(.1,.4,.1))
[0.1 0.2 0.3 0.4]
numpy.linspace()解决了这个问题，np.linspace(.1,.4-.1,3)。但要求您知道步骤数。np.linspace(start,stop-step,np.ceil((stop-step)/step))导致相同的不一致。
如何在float不知道范围内元素数量的情况下生成可靠范围？
考虑我想要生成未知精度的浮点索引的情况
np.arange(2.00(...)001,2.00(...)021,.00(...)001)
你的目标是计算ceil((stop - start)/step)如果这些值是用精确的数学计算出来的。
仅考虑 , 的浮点值，这是不可能做到的start，stop并且step这是可能发生一些舍入错误的运算的结果。四舍五入会删除信息，并且根本无法从缺乏信息中创建信息。
因此，这个问题只是解决的，如果你有关于其他信息start，stop以及step。
假设step是准确的，但start和stop已经被包围了一些累积误差e0和e1。也就是说，您知道start最多e0偏离其理想的数学值（在任一方向上），stop最多e1偏离其理想值（在任一方向上）。那么 的理想值(stop-start)/step可能会从(stop-start-e0-e1)/step到(stop-start+e0+e1)/step远离其理想值。
假设(stop-start-e0-e1)/stepto之间有一个整数(stop-start+e0+e1)/step。然后，它是不可能知道是否理想的ceil结果应该是刚从的浮点值较小的整数或更大start，stop以及step和界限e0和e1。
但是，根据您给出的示例，理想值(stop-start)/step可能恰好是一个整数，如(.4-.1)/.1. 如果是这样，任何非零误差界限都可能导致误差区间跨越一个整数，从而无法根据我们目前掌握的信息解决问题。
因此，为了解决这个问题，你必须有更多的信息，而不仅仅是错误的简单界限。例如，您必须知道这(stop-start)/step恰好是一个整数或以其他方式量化。例如，如果您知道步数的理想计算会产生 0.1 的倍数，例如 3.8、3.9、4.0、4.1 或 4.2，但绝不会是 4.05，并且误差足够小以至于浮动 -点计算(stop-start)/step的最终误差小于 0.05，则可以四舍五入(stop-start)/step到最接近的合格倍数，然后应用ceil到该倍数。
如果你有这样的信息，你可以更新你知道在错误什么的问题start，stop和step（例如，也许他们每个人都是从十进制浮点单次转换的结果）和理想的可能值(stop-start)/step. 如果您没有此类信息，则没有解决方案。
小智 -2
您可以使用该函数在 Python 中将数字舍入到任意精度format。
e例如，如果您想要小数点后的前三位数字，您可以运行
float(format(np.e, '.3f'))
使用它可以消除浮动不精确性，您应该可以开始工作。