浮点数求和结果异常：三种Python求和方法结果不一致

我尝试用三种方法计算一组浮点数的和：pandas sum、for循环累加、math.fsum。结果只有math.fsum得到了预期的100.0，另外两种方法的结果都偏离了预期值。

测试代码 #

import pandas as pd
import math

def main():
    data = [61.1, 19.3, 15.7, 3.07, .255, .158, .102, .072, .0608,
            .0048, .0416, .0368, .0288, .0128, .0112, .0096, .0096,
            .008, .0048, .004, .004, .0032, .0024, .0006]

    df = pd.DataFrame(data,columns=['value'])
    print(df['value'].sum())

    sum_total = 0
    for x in data:
        sum_total += x
    print(sum_total)

    print(math.fsum(data))    

main()    

当前输出 #

99.99999999999999
100.00000000000004
100.0

预期输出 #

100.0
100.0
100.0

原因分析 #

这是浮点数二进制表示的固有精度问题：

• 大部分十进制小数无法被二进制浮点数精确存储，比如61.1、19.3这类数本身就带有微小的存储误差。
• 普通累加逻辑（for循环、pandas默认sum调用的numpy sum）会逐步累积这些微小误差，最终导致结果偏离预期。
• math.fsum采用了补偿求和算法，能在累加过程中跟踪并修正误差，从而得到更精确的结果。

解决方案 #

1. 优先使用高精度求和函数：
   • 对列表直接使用math.fsum(data)
   • pandas中可以用df['value'].agg(math.fsum)或numpy.fsum(df['value'])替代默认sum方法
2. 转换为整数计算：
   如果所有数值的小数位数固定，可先乘以10的n次方转为整数，求和后再还原：

   data_int = [int(x * 10000) for x in data]
   total_int = sum(data_int)
   print(total_int / 10000)  # 输出100.0
   

内容的提问来源于stack exchange，提问作者beetlej