当前位置：首页 > news >正文

Python基础：浮点数float精度问题与解决方案

news 2026/6/6 22:43:15

Python基础：浮点数float精度问题与解决方案

一、开篇：一个令人困惑的计算

在上一篇文章中，我们学习了Python的整数int——精确、无限、完美。今天要讲的浮点数float，就没那么"完美"了。

先看一个经典的例子：

>>>0.1+0.20.30000000000000004

⌨️ 等待——0.1加0.2不是应该等于0.3吗？那个尾部的4是怎么回事？是Python算错了吗？

答案是：不是Python的错，这是所有计算机的通病。这篇文章，我就带你搞清楚浮点数的来龙去脉，包括为什么会出现精度问题、如何在开发中正确处理浮点数。

二、浮点数的基本表示

2.1 小数表示

# 基本的浮点数写法a=3.14b=-0.5c=2.0d=.5# 0.5的简写（可以省略小数点前的0）e=5.# 5.0的简写# 科学计数法f=1.5e6# 1.5 × 10⁶ = 1500000.0g=2.5e-3# 2.5 × 10⁻³ = 0.0025h=6.02e23# 阿伏伽德罗常数# 下划线分隔（Python 3.6+）pi=3.141_592_653_589_793budget=1_000_000.50

2.2 类型确认

x=3.14print(type(x))# <class 'float'># 结果是浮点数的运算print(type(1/2))# <class 'float'>print(type(3.0+2))# <class 'float'>print(type(2**0.5))# <class 'float'>

💡 Python中，任何包含小数点的数字字面量都是float类型。除法运算/的结果也始终是float，即使结果恰好是整数（如4 / 2结果是2.0而不是2）。

2.3 浮点数的范围

importsys# Python浮点数的范围（通常基于IEEE 754双精度）print(f'浮点数最大值：{sys.float_info.max:.10e}')# ~1.8e308print(f'浮点数最小值（正数）：{sys.float_info.min:.10e}')# ~2.2e-308print(f'浮点数精度（小数位数）：{sys.float_info.dig}')# 15位十进制精度

Python的float基于IEEE 754双精度浮点数标准（64位），提供大约15-17位有效十进制数字的精度。

三、浮点数精度问题的源头

3.1 二进制不能精确表示某些十进制小数

问题的根源在于：计算机使用二进制存储数字，而很多十进制小数在二进制中是无限循环小数。

想一想：在十进制中，1/3 = 0.3333…是一个无限循环小数，我们只能取近似值。同样的道理，在二进制中，0.1（十进制）是一个无限循环小数：

十进制的 0.1 = 二进制的 0.0001100110011001100110011... （循环节 0011 无限重复）

计算机只能存储64位（大约相当于二进制53位有效数字），所以它必须截断。截断后的值并不精确等于0.1，只是非常非常接近0.1。

# 验证0.1在内存中的实际值importdecimal# 用高精度decimal显示0.1的实际值print(decimal.Decimal(0.1))# 输出：0.1000000000000000055511151231257827021181583404541015625# 这个值不是0.1！但非常接近

3.2 更多让人惊讶的例子

>>>0.1+0.20.30000000000000004>>>0.1+0.1+0.10.30000000000000004>>>0.1*30.30000000000000004>>>0.3==0.1+0.2False# 这让人最惊讶！>>>1.0/3.00.3333333333333333>>>0.1*0.10.010000000000000002

⚠️ 这些不是Python独有的问题。JavaScript、Java、C++、Go等所有使用IEEE 754浮点数的语言，都会出现完全相同的情况。

3.3 哪些小数可以精确表示

能被精确表示的二进制小数，它的分母必须是2的幂次方：

# 能精确表示的0.5=1/2✅0.25=1/4✅0.125=1/8✅0.75=3/4✅0.375=3/8✅# 不能精确表示的0.1❌（分母有因子5）0.2❌（分母有因子5）0.3❌（分母有因子5）0.01❌

# 验证print(0.5+0.25==0.75)# Trueprint(0.1+0.2==0.3)# False！

四、浮点数的运算

4.1 基本运算

a,b=10.5,3.0print(a+b)# 13.5print(a-b)# 7.5print(a*b)# 31.5print(a/b)# 3.5print(a//b)# 3.0（浮点数的整除结果也是浮点数）print(a%b)# 1.5print(a**b)# 1157.625（10.5的3次方）

4.2 浮点数的整除和取余

# 浮点数的整除也是向下取整print(7.8//2.5)# 3.0（因为2.5*3=7.5，2.5*4=10.0 > 7.8）print(7.8%2.5)# 0.3000000000000007（7.8 - 2.5*3）print(-7.8//2.5)# -4.0（向下取整）print(-7.8%2.5)# 2.2（-7.8 - 2.5*(-4) = -7.8 + 10.0 = 2.2）

4.3 浮点数比较

# ❌ 直接比较相等——可能得到错误结果if0.1+0.2==0.3:print('相等')else:print('不相等')# 会输出这个！# ✅ 使用容差比较（epsilon比较）defis_close(a,b,rel_tol=1e-9,abs_tol=1e-12):"""判断两个浮点数是否"接近"（即视为相等）"""returnabs(a-b)<=max(rel_tol*max(abs(a),abs(b)),abs_tol)print(is_close(0.1+0.2,0.3))# True# ✅ 使用math.isclose（Python 3.5+）importmathprint(math.isclose(0.1+0.2,0.3))# Trueprint(math.isclose(0.1+0.2,0.3000000001))# False

五、解决浮点数精度问题的四种方案

5.1 方案一：使用math.isclose()

importmath# 判断两个浮点数是否"几乎相等"a=0.1+0.2b=0.3ifmath.isclose(a,b,rel_tol=1e-9):print('a和b在误差范围内相等')# 参数说明# rel_tol: 相对容差（relative tolerance），默认1e-9# abs_tol: 绝对容差（absolute tolerance），默认0.0

5.2 方案二：使用Decimal（精确小数）

fromdecimalimportDecimal# 注意：要从字符串创建Decimal，而不是从浮点数！# ❌ 错误做法print(Decimal(0.1))# 0.1000000000000000055511151231257827021181583404541015625# ✅ 正确做法print(Decimal('0.1'))# 0.1# Decimal支持精确运算a=Decimal('0.1')b=Decimal('0.2')c=a+bprint(c)# 0.3print(c==Decimal('0.3'))# True# 设置精度fromdecimalimportgetcontext getcontext().prec=50# 设置50位有效数字print(Decimal('1')/Decimal('7'))# 0.14285714285714285714285714285714285714285714285714

Decimal适合需要精确计算的场景：金融、会计、科学计算等。但它的缺点是运算速度比float慢很多。

5.3 方案三：使用分数（Fraction）

fromfractionsimportFraction# 创建分数a=Fraction(1,3)# 1/3b=Fraction(2,6)# 2/6，自动约分为1/3c=Fraction('0.25')# 从字符串创建：1/4d=Fraction('3.14')# 3.14 = 157/50# 分数运算——始终精确print(a+b)# 2/3print(a*3)# 1print(a==b)# True# 混合运算print(Fraction('0.1')+Fraction('0.2'))# 3/10print(float(Fraction('0.1')+Fraction('0.2')))# 0.3# 分数转小数x=Fraction(1,7)print(float(x))# 0.14285714285714285

Fraction适合有理数运算，但在需要大量运算时性能较差。

5.4 方案四：用整数代替小数

# 处理金额时，用"分"作为单位而不是"元"# 0.1元 = 10分，0.2元 = 20分，0.3元 = 30分# ❌ 用浮点数（可能出错）price=0.1tax=0.2total=price+taxprint(total)# 0.30000000000000004# ✅ 用整数（精确）price_cents=10# 10分 = 0.1元tax_cents=20# 20分 = 0.2元total_cents=price_cents+tax_cents# 30分 = 0.3元print(f'{total_cents/100:.2f}元')# 0.30元

💡 金融系统中普遍使用这个方案——所有金额用最小单位（分、厘）的整数存储，只在最终展示时转换为元。

六、浮点数的特殊值

6.1 无限大和NaN

# 正无穷大pos_inf=float('inf')print(pos_inf)# infprint(pos_inf>10**100)# Trueprint(math.isinf(pos_inf))# True# 负无穷大neg_inf=float('-inf')print(neg_inf)# -inf# NaN（Not a Number）nan=float('nan')print(nan)# nanprint(math.isnan(nan))# True# NaN的"奇怪"行为print(nan==nan)# False！（NaN不等于任何东西，包括它自己）print(nan>0)# Falseprint(nan<0)# False

6.2 产生特殊值的运算

# 产生无穷大print(1.0/0.0)# ZeroDivisionError（Python会报错）# print(float('inf')) # 创建无穷大的正确方式# 产生NaNimportmathprint(math.sqrt(-1.0))# ValueError# 需要使用cmath进行复数运算importcmathprint(cmath.sqrt(-1))# 1j# 无穷大的运算inf=float('inf')print(inf+1)# infprint(inf-inf)# nanprint(inf*0)# nanprint(1.0/inf)# 0.0

6.3 处理特殊值的工具函数

importmathdefdescribe_float(x):"""描述一个浮点数的状态"""ifmath.isnan(x):return'NaN（非数字）'elifmath.isinf(x):ifx>0:return'正无穷大'else:return'负无穷大'elifx==0.0:return'零'else:returnf'普通浮点数：{x}'print(describe_float(3.14))# 普通浮点数：3.14print(describe_float(float('nan')))# NaN（非数字）print(describe_float(float('inf')))# 正无穷大print(describe_float(0.0))# 零

七、浮点数格式化输出

7.1 控制小数位数

pi=3.141592653589793# f-string格式化print(f'{pi:.2f}')# 3.14（保留2位小数）print(f'{pi:.4f}')# 3.1416（保留4位小数，自动四舍五入）print(f'{pi:.0f}')# 3（取整）print(f'{pi:10.3f}')# ' 3.142'（总宽度10，右对齐）print(f'{pi:010.3f}')# '000003.142'（总宽度10，前面补零）# format()函数print('{:.2f}'.format(pi))# 3.14print('{:+.2f}'.format(pi))# +3.14（显示正号）print('{:+.2f}'.format(-pi))# -3.14# 百分比rate=0.8567print(f'{rate:.1%}')# 85.7%print(f'{rate:.2%}')# 85.67%# 科学计数法num=123456789.0print(f'{num:.2e}')# 1.23e+08print(f'{num:.4E}')# 1.2346E+08# 千分位分隔print(f'{num:,.2f}')# 123,456,789.00

7.2 常用的格式化速查

value=12345.6789# 各种格式化方式print(f'默认：{value}')print(f'2位小数：{value:.2f}')print(f'科学计数：{value:.2e}')print(f'百分比：{value:.2%}')# 注意：会乘以100print(f'千分位：{value:,.2f}')print(f'右对齐10宽：{value:>10.1f}')print(f'左对齐10宽：{value:<10.1f}')print(f'居中对齐10宽：{value:^10.1f}')

八、实际开发中的最佳实践

8.1 金融计算用Decimal

fromdecimalimportDecimal,ROUND_HALF_UPdefcalculate_order_total(unit_price,quantity,tax_rate):"""计算订单总价（精确到分）"""unit_price=Decimal(str(unit_price))quantity=Decimal(str(quantity))tax_rate=Decimal(str(tax_rate))subtotal=unit_price*quantity tax=(subtotal*tax_rate).quantize(Decimal('0.01'),rounding=ROUND_HALF_UP)total=(subtotal+tax).quantize(Decimal('0.01'),rounding=ROUND_HALF_UP)returnfloat(subtotal),float(tax),float(total)subtotal,tax,total=calculate_order_total(9.99,3,0.06)print(f'小计: ¥{subtotal:.2f}')print(f'税费: ¥{tax:.2f}')print(f'总计: ¥{total:.2f}')

8.2 科学计算使用float但注意容差

importmathdefsafe_float_equals(a,b):"""安全的浮点数相等判断"""returnmath.isclose(a,b,rel_tol=1e-9,abs_tol=1e-12)# 不应该这样# assert my_calculation() == 0.3# 应该这样assertmath.isclose(my_calculation(),0.3)

8.3 大数据量的金额用整数

classMoney:"""用整数表示金额（分为单位）"""def__init__(self,amount_cents):self.cents=amount_cents@classmethoddeffrom_yuan(cls,yuan):returncls(round(yuan*100))defto_yuan(self):returnself.cents/100def__add__(self,other):returnMoney(self.cents+other.cents)def__str__(self):returnf'¥{self.cents/100:.2f}'# 使用price=Money.from_yuan(99.99)tax=Money.from_yuan(5.99)total=price+taxprint(total)# ¥105.98