为何Python中a//b与np.floor(a/b)计算结果存在差异？

先看复现的代码场景：

import numpy as np

a1 = np.float64(226.72560000000001)
a2 = np.float64(0.2856000000000165)
b = np.float64(1.02)

# 两种计算方式结果不同
print((a1 - a2) // b)          # 输出 221.0
print(np.floor((a1 - a2) / b)) # 输出 222.0

差异根源：浮点数精度限制与运算实现差异 #

1. 精确数学值分析 #

先算精确的数学结果：

• a1 - a2 的精确值为 226.72560000000001 - 0.2856000000000165 = 226.4399999999999835
• 除以 1.02 后，精确结果为 226.4399999999999835 / 1.02 ≈ 221.9999999999999745

这个值无法用双精度浮点数（np.float64/Python内置float）精确存储，只能取最接近的可表示值，而不同的运算实现对这个近似值的处理出现了分歧。

2. Python // 的行为 #

Python内置的除法 (a1 - a2)/b 得到的近似值是 221.99999999999997，略小于 222.0。// 作为地板除法，会向负无穷方向取整，因此得到 221.0。

3. NumPy np.floor() 的行为 #

NumPy的除法运算（np.divide(diff, b)）在这个边界场景下，将结果近似为了精确的 222.0。此时 np.floor() 对精确的 222.0 取整，自然得到 222.0。这种差异源于NumPy内部的浮点数运算优化或舍入策略与Python内置实现的细微不同。

解决建议 #

如果需要避免这种边界差异，可以使用更高精度的数值类型（比如Python标准库的decimal.Decimal）进行计算，从根源上减少浮点数误差：

from decimal import Decimal, getcontext

# 设置足够高的精度
getcontext().prec = 30

a1_dec = Decimal("226.72560000000001")
a2_dec = Decimal("0.2856000000000165")
b_dec = Decimal("1.02")

result = (a1_dec - a2_dec) / b_dec
print(result.to_integral_value(rounding="ROUND_FLOOR")) # 输出 222

内容的提问来源于stack exchange，提问作者YPOC