20 分钟

Python 进阶

浮点数精度陷阱

0.1 + 0.2 ≠ 0.3 的原因和解决方案

理解二进制浮点数表示的局限
掌握浮点数比较的正确方法
了解 decimal 精确十进制
知道何时用整数替代浮点数

浮点数精度陷阱

0.1 + 0.2 ≠ 0.3 在几乎所有编程语言中都成立。这不是 Python 的 bug，是 IEEE 754 浮点数标准的本质问题。

问题重现

示例代码（可运行）

Python 0%

1# 经典问题

2print(0.1 + 0.2) # 0.30000000000000004

3print(0.1 + 0.2 == 0.3) # False!

5# 更多反直觉的结果

6print(0.1 + 0.1 + 0.1) # 0.30000000000000004

7print(1.0 - 0.9) # 0.09999999999999998

8print(0.3 * 3) # 0.8999999999999999

10# 为什么？因为 0.1 在二进制中是无限循环小数

11# 就像十进制无法精确表示 1/3 = 0.3333...

12# 二进制无法精确表示 0.1

ℹ️IEEE 754 双精度

Python 的 float 是 IEEE 754 双精度浮点数，用 64 位存储：1 位符号 + 11 位指数 + 52 位尾数。能精确表示的十进制小数很少，只有 0.5、0.25、0.125 这类 2 的负幂次可以精确表示。0.1 存储为最接近的二进制近似值，所以有微小误差。

正确比较浮点数

示例代码（可运行）

Python 0%

1# 永远不要用 == 比较浮点数！

3# 方法1：math.isclose（Python 3.5+，推荐）

4import math

5print(math.isclose(0.1 + 0.2, 0.3)) # True

7# 可以指定容差

8print(math.isclose(100.0, 100.1, rel_tol=0.01)) # True（1%容差）

10# 方法2：比较差值是否小于阈值

11a = 0.1 + 0.2

12b = 0.3

13epsilon = 1e-9

14print(abs(a - b) < epsilon) # True

16# 方法3：round 后比较

17print(round(0.1 + 0.2, 9) == round(0.3, 9)) # True

decimal：精确十进制

示例代码（可运行）

Python 0%

1# 需要精确计算时（金融、货币）用 decimal

2from decimal import Decimal, getcontext

4# 用字符串创建（不要用 float！）

5price = Decimal("0.1")

6tax = Decimal("0.2")

7total = price + tax

8print(total) # 0.3（精确！）

9print(total == Decimal("0.3")) # True

11# 设置精度

12getcontext().prec = 4 # 4位有效数字

13print(Decimal("1") / Decimal("3")) # 0.3333

15# 金融计算示例

16unit_price = Decimal("19.99")

17quantity = 3

18subtotal = unit_price * quantity

19tax_rate = Decimal("0.08")

20tax = (subtotal * tax_rate).quantize(Decimal("0.01"))

21print(f"小计: {subtotal}, 税: {tax}, 总计: {subtotal + tax}")

⚠️金钱计算铁律

涉及金钱的计算永远不要用 float！浮点误差累积后会导致账目对不上。用 Decimal（精确十进制）或用整数存储最小单位（分）。例如 19.99 元存为 1999 分，所有计算用整数，显示时再除以 100。这是金融系统的标准做法。

用整数避免浮点问题

示例代码（可运行）

Python 0%

1# 最佳实践：金额用整数（分）存储

2price_cents = 1999 # 19.99元

3quantity = 3

4tax_rate_bps = 800 # 8% = 800个基点(0.01%)

6subtotal_cents = price_cents * quantity # 5997分

7tax_cents = (subtotal_cents * tax_rate_bps) // 10000 # 479分

8total_cents = subtotal_cents + tax_cents

10print(f"总计: {total_cents // 100}元{total_cents % 100:02d}分")

11# 整数运算完全精确，没有任何误差

13# 什么时候用 float？

14# - 科学计算（误差可接受）

15# - 图形/游戏（不需要精确）

16# - 机器学习（GPU只支持float）

17# - 测量数据（本身就有误差）

二进制原理

0.1 的二进制表示

0.1 在二进制中是无限循环小数：

示例代码（可运行）

Python 0%

1# 0.1 的二进制：0.00011001100110011...（0011循环）

2# IEEE 754 只能存储 52 位尾数，所以截断了

3# 实际存储值 ≈ 0.1000000000000000055511151231257827021181583404541015625

5# 用 .hex() 查看浮点数的精确十六进制表示

6print(0.1.hex()) # 0x1.999999999999ap-4

7print(0.2.hex()) # 0x1.999999999999ap-3

9# 0.1 + 0.2 的结果：

10print((0.1 + 0.2).hex()) # 0x1.3333333333334p-2

11# 而 0.3 是：

12print(0.3.hex()) # 0x1.3333333333333p-2

13# 注意末尾的 4 vs 3 —— 这就是差异所在

选择题

0.1 + 0.2 == 0.3 的结果是？

选择题

金融计算应该用什么类型？

资深工程师加餐

底层原理 · 大厂视角 · 工程经验，点卡片展开

内层函数（或 lambda）捕获的是外层变量本身，而不是定义那一刻的值；循环里定义的多个函数，循环结束后调用往往都拿到最后的值。解决办法是用默认参数 f(x=x) 立即绑定，或用工厂函数包一层。配合 LEGB 作用域顺序（局部→外层→全局→内建）理解，90% 的作用域谜题都能解开。

挑战任务

精确价格计算

简单+50 XP

用 Decimal 计算三件商品的总价，含8%税，结果精确到分。

精确价格计算

Python 0%

2 个测试用例

课后作业

浮点数安全比较

中等+20 XP

写一个函数 safe_equal(a, b)，用 math.isclose 安全比较两个浮点数。

浮点数安全比较

Python 0%

1 个测试用例