本文详解因 float32 与 float64 精度差异导致的 np.round() 后调用 np.unique() 出现数值显示失真问题，并提供两种可靠、可复现的解决方案。
本文详解因 `float32` 与 `float64` 精度差异导致的 `np.round()` 后调用 `np.unique()` 出现数值显示失真问题，并提供两种可靠、可复现的解决方案。
在使用 NumPy 进行数值预处理时，一个常见却容易被忽视的问题是：显式调用 np.round() 后数据看似已按指定小数位舍入，但一旦传入 np.unique() 或参与后续数组拼接（如 np.column_stack），结果中却出现大量非预期的微小尾数（如 9.99999978e-03 而非 0.01）。这并非舍入失效，而是由 数据类型精度不一致引发的浮点表示差异 所致。
根本原因在于：当原始数据为 float32（例如来自 Pandas Series 默认 dtype 或显式指定），round() 操作虽在 float32 精度下完成，但 np.unique() 内部默认以 float64 进行计算与返回——而 float32 中无法精确表示的十进制小数（如 0.01），在升维至 float64 时会暴露其底层二进制近似值，从而在输出中呈现为“未舍入”形态。
以下为两个经过验证的解决方案，兼顾兼容性与可读性：
✅ 方案一：统一输出精度 —— 将结果强制转为 float32
适用于已知输入为 float32 且需保持内存效率的场景（如大规模特征工程）：
rounded_data = data_with_target_label.round(decimals=2) unique_values, counts = np.unique(rounded_data, return_counts=True) result_array = np.column_stack((unique_values, counts)) # 关键修复：将结果数组显式转为 float32，对齐原始精度 result_array = result_array.astype(np.float32) print(result_array) # 输出示例： # [[0. 48.] # [0.01 21.] # [0.02 11.] # ... # [32.9 1.] # [39.41 1.]]
⚠️ 注意：此方案不改变原始 rounded_data 类型，仅修正最终展示/下游使用的精度一致性。
✅ 方案二：统一输入精度 —— 提前升维至 float64
推荐用于对数值精度敏感、或需与 scikit-learn 等依赖 float64 的库协同工作的场景：
# 若原始数据为 pd.Series（常见于 Pandas 处理流程）
rounded_data = data_with_target_label.astype('float64').round(decimals=2)
unique_values, counts = np.unique(rounded_data, return_counts=True)
result_array = np.column_stack((unique_values, counts))
# 此时 unique_values 自动为 float64，且 0.01 等值能被精确表示
print(result_array[:5])
# 输出示例（无异常尾数）：
# [[0. 48. ]
# [0.01 21. ]
# [0.02 11. ]
# [0.03 7. ]
# [0.04 5. ]]? 验证技巧：检查 dtype 并可视化舍入效果
print("原始数据 dtype:", data_with_target_label.dtype)
print("rounded_data dtype:", rounded_data.dtype)
print("unique_values dtype:", unique_values.dtype)
# 快速验证舍入是否真正生效（避免仅依赖 print 视觉判断）
print("前5个唯一值（格式化后）:", [f"{v:.2f}" for v in unique_values[:5]])? 总结
- np.round() 本身不会“失效”，但其行为受输入 dtype 约束；
- np.unique() 默认使用 float64，会揭示 float32 的精度局限；
- 统一精度是关键：要么在输入端升维（float64），要么在输出端对齐（float32）；
- 在生产环境中，建议优先采用方案二（astype('float64')），因其更符合科学计算生态的默认约定，且避免隐式精度损失。
通过明确控制数据类型流，即可彻底消除“舍入后又变回”的幻觉，确保统计结果（如频次表）真正反映业务所需的离散化语义。
