在python3中将浮点元组转换为数组时的精度损失

Question

当我将一个元组或浮点列表转换为带有'f'类型代码的数组时，我的准确性存在一些问题，但是'd'类型代码正确地“运行”。

例如：

import array

a = (2.16, -22.4, 95.12, -63.47, -0.02, 1245.2)
b = array.array('f', a)
print(b)
# array('f', [2.1600000858306885, -22.399999618530273, 95.12000274658203, -63.470001220703125, -0.019999999552965164, 1245.199951171875])

c = array.array('d', a)
print(c)
# array('d', [2.16, -22.4, 95.12, -63.47, -0.02, 1245.2])

如您所见，数组c包含与元组a相同的数字，但数组b存在精度问题。

然而，type(b[0])和type(c[0])都导致<class 'float'>。

Answer 1

实际上，你可能怀疑的方式没有准确性损失，这是“Representation Error”的情况。

字面值2.16没有精确表示为浮点数;在解析之后它被存储为0x400147AE147AE148，因为Python always uses double precision（请参阅Numbers.real）来表示浮点数。

然后将该值转换为0x400A3D71（在f的情况下）或保持不变（是d的情况）。这些值对应于2.1600000858306884765625和2.16000000000000014210854715202，这两个值都是可以获得的文字2.16的最准确表示。原始2.16的精度损失是不可避免的，因为2.16根本不存在作为精确值。

您在字符串表示中看到的是如果由于舍入is considered acceptable而导致精度损失，则将基础float / double四舍五入为近似值的解释器。基础值与2.16一样接近，因为它们在两种情况下都可能获得，只是它们的字符串表示不同。