当我将@printf("%.50f", pi)的输出与BigFloat(pi)进行比较时，结果与第16位不同。这可能是由于类型反转。但是我想更深入地了解这里发生了什么？
朱莉娅＆GT; @printf（＆＃34;％。50f＆＃34;，pi）
3.14159265358979311599796346854418516159057617187500
朱莉娅＆GT; BigFloat（PI）
3.1415926535897932384626433832795028841971693993751058209749445923078164062861
答案 0 :(得分：4)
pi以及其他一些着名的非理性数字都有自己的特殊类型Irrational。这些存储精度为Float64，我认为没有任何计划将其更改为v1.0。
如果您想要更高的精确度，请使用BigFloat(pi)，就像您在问题中所做的那样。
但这里的关键点是@printf("%.50f", pi) 不会自动将调用包裹到BigFloat(pi)。要获得该行为，您需要@printf("%.50f", BigFloat(pi))。你在这里遇到的实际上与pi本身无关，而是与朱莉娅打印浮点数的方式有关（实际上，在大多数编程语言中）。要明白我的意思，请尝试：
@printf("%.50f", rand())
基本上要求Julia从[0,1]间隔打印一个随机Float64到50个小数位，这显然是一个无意义的请求，大约是16位小数。那你为什么在第16名之后得到很多随机数呢？
以一种漂亮的人类可读格式快速准确地打印Float64本身就是一个主题。如果你真的对正在发生的事情感兴趣，那么this article应该让你开始，但简单的答案是在通常的浮点精度之后不要注意任何东西。
此外，AFAIK，这种行为在大多数编程语言中都很常见。这不是您正在观察的特定于Julia的行为，而是处理器级别的行为。