python - 从 float32 转换为 float 时如何保持精度？

Question

我有一个 numpy.float32 对象，我想将其编码为 JSON。问题是，当我转换为 native python float 时，我会丢失该值的精度。

示例:

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

但是，如果我首先转换为字符串，然后转换为 float ，则精度将被保留。

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

有没有一种方法可以保持我的精度而不必先遍历字符串？

为什么 str(np.float32(295.96)) 似乎保留了精度，但 np.float32(295.96).item() (或 float (np.float32(295.96)) 或 np.asscalar(np.float32(295.96))) 不是吗？

注意:我不能假设精度始终为 .01。我需要保留数据的原始精度。

Answer 1

不可能在 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 float 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

但是如果您尝试使用 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

---

Why does str(np.float32(295.96)) seem to retain the precision

str(np.float32(295.96)) 看起来它保留了精度，因为为了方便起见，np.float32.__str__ 进行了舍入(以 10 为基数)。碰巧的是，当四舍五入时，它与您在代码中输入的文本完全匹配。因此，它具有完全相同的值。