编辑：

请注意，如果打印数组的第一个值，也会出现此问题：

>>> x_array[0]
-65500.0

在NumPy 1.14.0发行说明中，已写入：
浮点数组和标量使用一种新的十进制表示算法，给出最短的唯一表示。这通常会缩短float16小数输出，有时会缩短float32和float128输出。float64应该不受影响。请参阅np.set_printoptions的新floatmode选项。
这就是输出不同的原因。
当你把它打印成float32或float64（或者只是使用内置的64位浮点格式）时，你会得到更精确的输出：

>>> float(x)
-65504.0

>>> np.float32('-65504')
-65504.0

以及：

>>> float(x_array[0])
-65504.0

您还可以在此处看到精度的变化：

>>> np.float16('65500') == np.float16('65504')`
True

>>> np.float32('65500') == np.float32('65504')
False

在-65500的fp 16中，内部表示为字节255和251。请参见

import struct
struct.unpack('BB', struct.pack('e', -65500))
# (255, 251)

-65504的内部表示也是如此

import struct
struct.unpack('BB', struct.pack('e', -65504))
# (255, 251)

在二进制中，考虑到我的机器是小尾序（所以，它应该读为251，然后255），也就是说
符号为-，指数为30-15=15，然后是1（隐式）+1 /2 +1/4+...+/1024十位=

- (2**15) * (1.0 + sum(1/2**k for k in range(1,11)))

-65504（仅声明，浮点表示是一门精确的科学;- ））
下一个可能的指数是
其值为

struct.unpack('e', b'\xfe\xfb')

-65472
-65504和-65472之间的中点是-65488。您可以看到，所有小于-65488的数字都与-65504共享相同的fp 16表示。而所有大于-65488的数字则不共享。

struct.unpack('BB', struct.pack('e', -65488.01))
# (255,251)
struct.unpack('BB', struct.pack('e', -65488))
# (254, 251)

或者使用nokla的方法（当我输入这个方法时，他的答案出现了）

np.float16(-65488.01)==np.float16(-65504)
# True
np.float16(-65488)==np.float16(-65504)
# False

至于你最初的问题（我意识到nokla和我都回答了“为什么它不是一个错误”，或“为什么它是可能的”，但不是真正的“为什么它是这样的”），嗯，我猜一些显示（并且只显示。从值的Angular 来看，所有的都是同一件事）当在许多等价的小数表示法中有一个选择时，倾向于“最圆”的小数表示法，而另一些人则倾向于最核心的价值：-65500.0是以字节（255，251）表示的所有值中最接近的十进制值。而-65504是以这些字节表示的所有值的平均值。