Python克拉默法则函数返回结果存在浮点精度误差，如何解决？

你实现的克拉默法则函数在计算时，因浮点数运算的固有精度误差，得到了[-2.0000000000000004]这类近似值，而非预期的整数结果。以下是几个实用的解决方案：

• 方案一：四舍五入到合理小数位
  如果你的场景中结果多为整数或有限小数，直接对每个解做四舍五入处理即可。修改函数中赋值的代码：

  solution[i] = round(current_det / determinant, 10)
  

  选择10位小数是因为既能覆盖绝大多数浮点误差，又不会影响真实的小数结果。

• 方案二：自动修正接近整数的结果
  用numpy的isclose判断数值是否接近整数，仅修正这类受误差影响的值，保留真实的小数解：

  import numpy as np
  
  def cramer(coef_matrix, free_coef_matrix):
      num_rows, num_cols = coef_matrix.shape
  
      if num_rows != num_cols:
          raise Exception("Cannot apply cramer's rule to a non-square matrix")
  
      determinant = np.linalg.det(coef_matrix)
  
      if determinant == 0:
          raise Exception("Cannot apply cramer's rule to a matrix with determinant 0")
  
      solution = []
      for i in range(num_rows):
          coef_matrix_copy = coef_matrix.copy()
          coef_matrix_copy[:, i] = free_coef_matrix
          current_det = np.linalg.det(coef_matrix_copy)
          solution.append(current_det / determinant)
  
      # 修正接近整数的结果
      solution_arr = np.array(solution)
      mask = np.isclose(solution_arr, solution_arr.round())
      solution_arr[mask] = solution_arr[mask].round()
      return solution_arr.tolist()
  

• 方案三：使用分数运算获取精确结果
  借助Python标准库的fractions模块，将行列式计算结果转为分数再做除法，彻底避免浮点误差，得到精确的有理数解：

  from fractions import Fraction
  import numpy as np
  
  def cramer(coef_matrix, free_coef_matrix):
      num_rows, num_cols = coef_matrix.shape
  
      if num_rows != num_cols:
          raise Exception("Cannot apply cramer's rule to a non-square matrix")
  
      determinant = np.linalg.det(coef_matrix)
      det_frac = Fraction(determinant).limit_denominator()
  
      if det_frac == 0:
          raise Exception("Cannot apply cramer's rule to a matrix with determinant 0")
  
      solution = []
      for i in range(num_rows):
          coef_matrix_copy = coef_matrix.copy()
          coef_matrix_copy[:, i] = free_coef_matrix
          current_det = np.linalg.det(coef_matrix_copy)
          sol_frac = Fraction(current_det).limit_denominator() / det_frac
          # 整数解转float，分数解保留原形式
          solution.append(float(sol_frac) if sol_frac.denominator == 1 else sol_frac)
  
      return solution
  

浮点数精度误差是计算机二进制运算的固有问题，上述方案可根据你的需求选择：仅需视觉整洁选四舍五入；需区分真实小数和误差值选自动修正；要求绝对精确选分数运算。

内容的提问来源于stack exchange，提问作者talopl