Python浮点数精度问题下的不等式比较标准实现方案咨询

我需要对浮点数进行不等式比较，比如用这样的代码：

if x >= y:

但因为浮点数精度问题，有时候本该成立的比较会失败，比如x=0.21、y=0.21000000000000002的情况。

我试过设置epsilon值来处理：

epsilon = 0.000000001
if x >= y - epsilon:

但更想用标准机制来处理。Python提供了math.isclose函数做相等判断，却没找到针对不等式的标准方法，所以目前只能写这样的代码：

import math

if x > y or math.isclose(x, y):

我在应用里需要频繁做这类比较，打算封装成函数，但想知道有没有处理浮点数不等式的标准方式？有没有类似numpy.greater_or_equal(x, y)的函数？

可行的处理方案 #

1. 基于math.isclose封装自定义复用函数 #

这是依赖标准库的稳妥方案，把常用的近似比较逻辑封装成函数，方便反复调用：

import math

def approx_gte(x, y, rel_tol=1e-09, abs_tol=0.0):
    return x > y or math.isclose(x, y, rel_tol=rel_tol, abs_tol=abs_tol)

def approx_lte(x, y, rel_tol=1e-09, abs_tol=0.0):
    return x < y or math.isclose(x, y, rel_tol=rel_tol, abs_tol=abs_tol)

math.isclose的rel_tol（相对容差）和abs_tol（绝对容差）可以根据业务场景调整，默认参数已经能覆盖绝大多数常规浮点数精度问题。

2. 用NumPy实现批量近似比较 #

如果你的代码本身就使用NumPy，可结合它的isclose和普通比较函数实现近似不等式判断，还支持数组批量处理：

import numpy as np

def np_approx_gte(x, y):
    return np.greater(x, y) | np.isclose(x, y)

def np_approx_lte(x, y):
    return np.less(x, y) | np.isclose(x, y)

这种方式适合需要处理大量浮点数数组的场景，效率比原生Python循环高很多。

3. 尽量避免硬编码固定epsilon #

手动设置固定epsilon的方式局限性很强：太小的话对大数无效，太大的话会误判小数。math.isclose的相对容差机制会根据数值大小自动适配判断阈值，比硬编码epsilon更鲁棒。

内容的提问来源于stack exchange，提问作者at.