本文介绍使用numpy的arange函数高效生成高精度浮点数范围序列的方法，解决传统整数range无法处理小数步长的问题，并强调浮点精度陷阱及替代方案。
在科学计算与数据处理中，常需生成从起始值到终止值、以固定小数间隔（如0.01）递增的数值序列，例如模拟价格区间（0.00–10000000.00）、传感器采样点或网格坐标。Python内置的range()仅支持整数，直接用于小数会引发TypeError；而手动循环拼接列表又低效且易出错。此时，NumPy的np.arange()是首选工具——它专为数值范围生成优化，支持浮点起点、终点与步长。
以下代码生成从 0.00 到 10000000.00（含）、步长为 0.01 的完整序列：
import numpy as np
# 注意：终点需设为 10000000.01，因 arange 是左闭右开区间 [start, stop)
numbers = np.arange(0.0, 10000000.01, 0.01)
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. ]⚠️ 关键注意事项：
- 浮点精度风险：np.arange() 基于浮点累加，当范围极大（如千万级）或步长极小（如1e-8）时，累积误差可能导致终点偏移或元素数量偏差。例如 np.arange(0, 0.1, 0.01) 实际可能生成11个元素而非预期的10个。
- 更稳健的替代方案：若需严格控制元素数量与端点精度，推荐使用 np.linspace()：
# 生成恰好 N 个等间距点（含首尾），自动计算步长 N = 1000000001 # 0.00, 0.01, ..., 10000000.00 → 共 1000000001 个数 numbers_safe = np.linspace(0.0, 10000000.0, num=N, dtype=np.float64)
- 内存考量：上述千万级序列将占用约8GB内存（float64 × 10⁹元素）。生产环境中建议结合np.arange()的dtype参数降精度（如dtype=np.float32减半内存），或采用生成器分块处理（如itertools.count()配合终止条件）。
综上，np.arange()是生成小数范围的简洁高效方案，但务必校验边界精度；对精度敏感或超大规模场景，优先选用np.linspace()并合理权衡内存与精度需求。
立即学习“Python免费学习笔记（深入）”；
