该数字
π不能完全表示为浮点数。所以，
np.radians(180)不给你
π，它给你
3.1415926535897931。
而
sin(3.1415926535897931)其实类似
1.22e-16。
那么，您如何处理呢？
您必须计算出或至少猜测出适当的绝对和/或相对误差范围，然后
x == y编写而不是：
abs(y - x) < abs_bounds and abs(y-x) < rel_bounds * y
（这也意味着你要组织你的计算，使相对误差相对较大
y，而不是
x在你的情况，因为
y是恒定的
0，这是微不足道的，只是做了落后的。）
Numpy提供了一个在整个数组中为您执行此操作的函数
allclose：
np.allclose(x, y, rel_bounds, abs_bounds)
（这实际上会检查
abs(y - x) < abs_ bounds + rel_bounds *y)，但这几乎总是足够的，如果没有，您可以轻松地重新组织代码。）
在您的情况下：
np.allclose(0, np.sin(np.radians(180)), rel_bounds, abs_bounds)
那么，您如何知道正确的界限呢？SO答案无法教您足够的错误分析。维基百科上不确定性的传播给出了一个高层次的概述。如果您真的不知道，可以使用默认值，即
1e-5相对值和
1e-8绝对值。
