端点之间的差异是因为NumPy会预先计算长度而不是临时计算，因为它需要预分配数组。您可以在
_calc_length助手中看到它。它不会在到达结束参数时停止，而会在到达预定长度时停止。
预先计算长度并不能使您避免非整数步骤的问题，并且无论如何您都会经常得到“错误的”端点，例如，使用
numpy.arange(0.0, 2.1,0.3)：
In [46]: numpy.arange(0.0, 2.1, 0.3)Out[46]: array([ 0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8, 2.1])
使用它要安全得多
numpy.linspace，您可以在其中而不是步长上说要多少个元素以及是否要包括正确的端点。
在计算元素时，NumPy似乎没有舍入错误，但这仅仅是由于不同的显示逻辑。NumPy比其更积极地截断显示的精度
float.__repr__。如果
tolist用于获取普通的Python标量的普通列表（以及普通的
float显示逻辑），则可以看到NumPy也遇到了舍入错误：
In [47]: numpy.arange(0, 1, 0.1).tolist()Out[47]: [0.0, 0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9]
舍入误差略有 不同
（例如，在.6和.7中而不是.8和.9中），因为它还使用了不同的方法来计算元素，这些元素在相关dtype的
fill函数中实现。
该
fill函数实现的优点是，它使用
start +i*step而不是重复添加步骤，从而避免了每次添加都会累积错误。但是，它的缺点是（出于令人信服的原因，我无法看到）它会从前两个元素重新计算步长，而不是将步长作为参数，因此它可能在前一步中失去很多精度。
