Python浮点数近似问题咨询：特殊相等情况的成因与识别

首先明确：0.1 + 0.1 == 0.2、0.1*4 == 0.4这类结果不是巧合，是IEEE 754双精度浮点数运算的必然结果。

核心原因：浮点数的近似存储与运算舍入 #

0.1在二进制中是无限循环小数，无法被双精度浮点数精确存储，实际存储的是它的最接近的双精度近似值（可以用format(0.1, '.20f')查看：0.10000000000000000555）。

• 两个0.1的近似值相加，结果是0.20000000000000001110，而0.2的存储近似值刚好也是这个数，所以==返回True。
• 四个0.1相加的结果是0.40000000000000002220，和0.4的存储近似值完全一致，因此也返回True。

而0.1*3的结果是0.30000000000000004440，但0.3的存储值是0.29999999999999998889，两者不一致，所以==返回False。

如何识别这类情况 #

• 查看精确存储值：用repr(x)或format(x, '.20f')打印浮点数的实际存储近似值，对比累加结果和目标值的存储值是否相同。比如：

  print(format(0.1, '.20f'))       # 0.10000000000000000555
  print(format(0.1+0.1, '.20f'))   # 0.20000000000000001110
  print(format(0.2, '.20f'))       # 0.20000000000000001110
  

• 理解精度范围：双精度浮点数有53位有效二进制位，对应约15-17位十进制有效数字。当累加后的误差刚好落在浮点数的精度范围内，且与目标值的存储误差完全匹配时，就会出现相等的情况。
• 避免依赖==判断：实际开发中，不要直接用==比较浮点数相等，应该用math.isclose()指定精度阈值，比如：

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

内容的提问来源于stack exchange，提问作者Đức hiếu Trần