当我将float64号码转换为float32号码时，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？
答案 0 :(得分：7)
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。在此之上，epsilon > 1。其中epsilon是两个相邻浮点数之间的差异。
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float的方式通常是以系统范围的方式定义的（我认为），但python的转换可能会过度统治，我并不完全熟悉它。