Python 中存在一个看似违反直觉的现象：0.1 + 0.2 == 0.3 的结果竟然是 False。
这背后的根本原因，是计算机底层采用二进制存储数据。像 0.1、0.2、0.3 这类十进制小数，转换成二进制后会变成无限循环小数。硬件存储时，这些无限位数的值必然被截断为有限位数，因此无法做到绝对精确。
正因如此，几乎所有的小数在计算机内部表示时，都潜藏着微小的误差。
这些误差在日常场景中通常小到可以忽略不计，所以不会引起特别注意。然而，当你尝试对浮点数使用等于号（==）进行精确比较时，麻烦就来了——看似应该相等的值，实际上并不相等。
在实际编程中，处理小数比较的通用做法是设定一个容错范围。例如，定义极小值 $10^{-10}$，只要两个数之差的绝对值小于这个范围，就近似认为它们相等。
而在对精度要求极高的领域，如金融计算或科学研究，Python 推荐使用自带的 decimal 模块来进行精确的数值控制。
这里有一个关键点需要格外注意：初始化 Decimal 对象时，参数必须使用字符串格式。如果你直接传入一个浮点数，那得到的 Decimal 对象从源头上就已经携带了误差，后续的计算自然也就不再精确。
在日常开发中还有一种非常巧妙的避坑思路。处理金额时，不直接使用“元”作为浮点数单位进行计算，而是统一转为最小单位，比如“分”，全程用整数进行运算。这样就能从根本上避开小数运算带来的精度困扰。
如果你还在其他场景中遇到过这类因浮点数而生的诡异问题，不妨在评论区分享交流。深入理解这些底层细节，正是我们向更扎实的 Python 开发者进阶的必经之路。 | 
发表于 1 小时前
|
查看: 3|
回复: 0
