Question

我有一个numpy.float32对象，我想编码为JSON。问题是，当我转换为本机python float时，我会失去该值的精确度。

示例：

In [1]: import numpy as np
In [4]: np.float32(295.96).item()
Out[4]: 295.9599914550781

但是，如果我先转换为字符串，然后浮动，则保留精度。

In [3]: float(str(np.float32(295.96)))
Out[3]: 295.96

有没有办法保留我的精确度，而不必先通过字符串？

为什么str(np.float32(295.96))似乎保留了精确度，但np.float32(295.96).item()（或float(np.float32(295.96))或np.asscalar(np.float32(295.96))）却没有？

注意：我不能假设精度始终为.01。我需要保留数据的原生精度。

Answer 1

你错误地认为你在控制台中看到的是真正发生的事情。您看到的结果（即舍入）仅适合您=查看控制台的人。这就是不幸地实现浮标印刷的方式（IMO令人困惑）。

底层浮动总是正确的，例如

In [4]: a = np.float32(295.96)
In [5]: a
Out[5]: 295.95999
In [6]: import json
In [7]: json.dumps(a.item())
Out[7]: '295.9599914550781'

Answer 2

无法在32位值中存储64位精度。在python中，float是64位（在C中称为double）。作为演示，64位浮点数一切正常：

>>> d = 295.6; dn = np.float64(d)
>>> (d, dn)
(295.6, 295.95999999999998)  # numpy prints out more digits than python
>>> d == dn  # but these are still the same
True
>>> d - dn
0.0

但是如果尝试使用32位，则会降低精度

>>> d = 295.96; fn = np.float32(d)
>>> (d, fn)
(295.96, 295.95999)
>>> d == fn
False
>>> d - fn
8.5449218545363692e-06

为什么str（np.float32（295.96））似乎保持精度

str(np.float32(295.96))看起来保留了精确度，因为np.float32.__str__为了方便起见（在基数10中）。碰巧的是，在舍入时，它与您在代码中键入的文本完全匹配。因此，它具有完全相同的值。

从float32转换为float时如何保持精度？

2 个答案: