介于之间-0.和之间的问题是+0.浮点应该如何行为的规范（IEEE754）的一部分。在某些情况下，需要区别对待。例如，请参阅链接到的文档around中的文档。
还值得注意的是，两个零应该比较相等，所以
np.array(-0.)==np.array(+0.)
# True
也就是说，我认为 。例如：
a = np.array([-1., -0., 0., 1.])
np.unique(a)
# array([-1., -0., 1.])
如果要将数字保留为浮点，但所有零都相同，则可以使用：
x = np.linspace(-2, 2, 6)
# array([-2. , -1.2, -0.4, 0.4, 1.2, 2. ])
y = x.round()
# array([-2., -1., -0., 0., 1., 2.])
y[y==0.] = 0.
# array([-2., -1., 0., 0., 1., 2.])
# or
y += 0.
# array([-2., -1., 0., 0., 1., 2.])
但是请注意，由于要避免使用浮点数规范，因此必须做一些额外的工作。
另请注意，这不是由于舍入错误引起的。例如，
np.fix(np.array(-.4)).tostring().encode('hex')
# '0000000000000080'
np.fix(np.array(-0.)).tostring().encode('hex')
# '0000000000000080'
也就是说，结果数字完全相同，但是
np.fix(np.array(0.)).tostring().encode('hex')
# '0000000000000000'
是不同的。这就是您的方法无法正常工作的原因，因为它正在比较数字的二进制表示形式，这对于两个零是不同的。因此，我认为问题更多是比较方法，而不是比较浮点数唯一性的一般思想。
data0 = np.fix(4*np.random.rand(1000000,)-2)
# [ 1. -0. 1. -0. -0. 1. 1. 0. -0. -0. .... ]
N = 100
data = np.array(data0)
print timeit.timeit("data += 0.", setup="from __main__ import np, data", number=N)
# 0.171831846237
data = np.array(data0)
print timeit.timeit("data[data==0.] = 0.", setup="from __main__ import np, data", number=N)
# 0.83500289917
data = np.array(data0)
print timeit.timeit("data.astype(np.int).astype(np.float)", setup="from __main__ import np, data", number=N)
# 0.843791007996
我同意@senderle的观点，即如果您希望进行简单而精确的比较并且可以使用int进行比较，则int通常会更容易。但是，如果您想要唯一的浮点数，那么您也应该能够做到这一点，尽管您需要做得更加谨慎。浮点数的主要问题是，您可以从计算中引入很小的差异，并且它们不会出现在法线中print，但这并不是一个巨大的障碍，尤其是在round, fix, rint合理范围的浮点数之后。
602392714
清零编程群