从 float32 -> float64 回到 float32，我会失去精度吗？

Posted 2023-02-16

【中文标题】从 float32 -> float64 回到 float32，我会失去精度吗？

【英文标题】：Can I lose precision going from float32 -> float64 back to float32?

【发布时间】：2012-09-20 16:54:27

【问题描述】：

从 numpy float32 到 python float (float64) 再到 numpy float32 是否有可能丢失任何保真度或精度？

我似乎找不到数据丢失的案例，但我周围的每个人都声称世界将因数据丢失而终结。在继续之前，我只需要找到证明数据丢失的文档/示例即可。

感谢任何为我指明正确方向的帮助。

这是我看到的一个典型用例：

def serialize(val):
    # val is a np.float32
    return val.astype(float)


def deserialize(msg):
    return np.float32(msg)

message = '1.23456789'
outgoing = serialize(message)
incoming = deserialize(message)

【问题讨论】：

如中，转换为双精度，然后立即转换回单精度，中间不做任何操作？我相信你应该得到相同的数字，但你为什么要这样做？

序列化，我们的序列化器将 numpy float32 转换为 python 浮点数，反序列化器将其转换回 numpy float32。

【参考方案1】：

如果 x 是 float32 则 float32(float64(x)) == x。

一个例外是如果x = nan 然后nan != nan，虽然nan is nan，因此如果你想捕获所有你可以使用的：

float32(float64(x)) == x or x is nan

.

你应该小心：

float32(1./3)          # 0.33333334
float64(float32(1./3)) # 0.3333333432674408
float64(0.33333334)    # 0.33333333999999998

【讨论】：

谢谢，这就是我的试验的样子。幸运的是，我们正在序列化来自仪器而不是十进制表示的字符串。示例输入为float_val = np.float32('1.2345678901234567890')

"float64(float64(x)) is x" 看起来像是一个错字——第一个 float64 应该是 float32 吗？

由于 is 在 Python 中具有独特的技术含义，您可能希望将其更改为 ==。

@user4815162342：除了这使得该声明对 NaN 不正确。

是的，但是底层字节是相同的，这是我关心的，比较 NaN 是我们在编码器层之外做的事情。 np.float32(np.float64(np.float32(np.nan))).tostring() == np.float32(np.nan).tostring() 计算结果为 True