我猜你看到了浮点舍入的效果。
numpy.arange的功能与python的range相同：它不包括“端点”。（例如range(0, 4, 2)将产生[0,2]而不是[0,2,4]）
然而，对于浮点步长，舍入误差会累积，有时最后一个值实际上会包括端点。
正如arange的文档中所指出的：
当使用非整数步长（如0.1）时，结果通常不一致。对于这些情况，最好使用linspace。
numpy.linspace在起点和终点之间生成指定数量的点。顺便说一句，默认情况下它确实包括端点。

也许这与浮点数的限制有关。由于机器的精度，不可能将所有可能的值都完美地存储为浮点数。举例来说：

>>> 8.4
8.4000000000000004
>>> 8.35
8.3499999999999996

因此，8.4作为浮点数比8.4的实际值稍大，而8.35作为浮点数要小一点点。

arange函数的帮助说，

For floating point arguments, the length of the result is
    ``ceil((stop - start)/step)``.  Because of floating point overflow,
    this rule may result in the last element of `out` being greater
    than `stop`.

对于python 2.7，浮点数和字符串之间的转换现在在大多数平台上都能正确舍入。
在2.7

>>> float(repr(2.3))
2.3

python 2.6中

>>> float(repr(2.3))
2.2999999999999998

我也遇到了同样的问题，我实现了自己的函数来纠正numpy.arange的舍入问题：

import numpy as np
def my_arange(a, b, dr, decimals=6):
    res = [a]
    k = 1
    while res[-1] < b:
        tmp = round(a + k*dr,decimals)
        if tmp > b:
            break   
        res.append(tmp)
        k+=1

    return np.asarray(res)

向端点添加一点校正浮动：

import numpy as np

step = 0.05
corr = 0.01 if step == 0.05 else 0.0

i = np.arange(7.8,8.35+corr,step)
print(i)

输出：

$ python a.py [7.8 7.85 7.9 7.95 8.[8.05 8.15 8.2 8.25 8.3 8.35]