本文介绍使用 numpy 的 arange 函数高效生成高精度浮点数序列（如步长为 0.01、范围从 0.00 到 10000000.00），并重点说明浮点精度陷阱、替代方案及实用注意事项。
在科学计算与数据工程中，常需构造具有固定小数位数（如两位）的等间隔浮点数序列，例如模拟货币金额（0.00, 0.01, ..., 10000000.00）或校准测试数据。直接使用 Python 原生 range() 不可行（仅支持整数），而手动循环累加浮点数又易累积舍入误差。最推荐的解决方案是借助 NumPy 的 np.arange——它专为高效数值范围生成设计，底层基于 C 实现，兼顾性能与可控性。
以下是最简洁可靠的实现方式：
import numpy as np
# 生成 [0.00, 10000000.00] 区间内步长为 0.01 的浮点数组
numbers = np.arange(0.0, 10000000.01, 0.01)
# 验证前10个和后10个值
print("前10个值：", numbers[:10]) # [0. 0.01 0.02 ... 0.09]
print("后10个值：", numbers[-10:]) # [... 9999999.91 9999999.92 ... 10000000.0]⚠️ 关键注意事项：
- 终点需显式“+步长”：np.arange(start, stop, step) 是左闭右开区间 [start, stop)。若目标包含 10000000.00，则 stop 必须设为 10000000.00 + 0.01 = 10000000.01，否则末尾值将被截断。
-
浮点精度风险：0.01 在二进制中无法精确表示，长期累加可能引入微小误差（如 0.29000000000000004）。对精度敏感场景（如金融结算），建议改用整数运算再缩放：
# 更稳健的替代方案：用整数生成，最后除以100 numbers_safe = np.arange(0, 1000000001, 1) / 100.0 # 0→10000000.00，共1000000001个点
- 内存考量：该示例将生成约 10⁹ 个 float64 元素，占用约 8 GB 内存。生产环境应优先考虑惰性生成器或分块处理，例如使用 np.linspace(0, 10000000.00, num=1000000001)（更精确但同样占内存），或自定义生成器避免全量加载。
总结：np.arange 是生成小数步长范围的首选工具，但务必理解其半开区间语义与浮点局限性；高可靠性需求下，整数缩放法是更优实践；超大规模数据请结合内存约束选择流式处理策略。
立即学习“Python免费学习笔记（深入）”；
