如何突破Python中Float类型的小数部分长度限制？

问题根源 #

Python的float类型是双精度64位浮点数，其尾数仅能存储53位二进制有效数字，对应十进制约15-17位有效精度。这导致：

• 超过17位的小数累加后无法体现数值变化
• 无法精确表示部分十进制/十六进制小数，出现浮点误差

用Decimal库修复精度问题 #

先修复你的累加示例 #

用decimal.Decimal替代float，并设置足够的精度，就能得到精确的累加结果：

from decimal import Decimal, getcontext

# 设置精度为25位，足够处理20位小数的累加
getcontext().prec = 25

total = Decimal(0)
for n in range(1, 21):
    total += Decimal(10) ** -n
    print(f"{n:2d} - {total}")

输出结果：

1 - 0.1
 2 - 0.11
 3 - 0.111
 4 - 0.1111
 5 - 0.11111
 6 - 0.111111
 7 - 0.1111111
 8 - 0.11111111
 9 - 0.111111111
10 - 0.1111111111
11 - 0.11111111111
12 - 0.111111111111
13 - 0.1111111111111
14 - 0.11111111111111
15 - 0.111111111111111
16 - 0.1111111111111111
17 - 0.11111111111111111
18 - 0.111111111111111111
19 - 0.1111111111111111111
20 - 0.11111111111111111111

十六进制小数转二进制的实现 #

基于Decimal库，我们可以实现精确的十六进制小数转二进制功能，避免浮点误差：

from decimal import Decimal, getcontext

def hex_decimal_to_binary(hex_str, precision=50):
    # 设置足够的精度，预留额外位数避免截断误差
    getcontext().prec = precision + 10
    
    # 拆分十六进制数的整数和小数部分
    if '.' in hex_str:
        int_part, frac_part = hex_str.split('.', 1)
    else:
        int_part = hex_str
        frac_part = ''
    
    # 整数部分转二进制
    binary_int = bin(int(int_part, 16))[2:] if int_part else '0'
    
    # 小数部分转二进制
    binary_frac = ''
    if frac_part:
        # 将十六进制小数转换为Decimal精确值
        frac_decimal = Decimal(0)
        for idx, char in enumerate(frac_part):
            digit = int(char, 16)
            frac_decimal += Decimal(digit) * (Decimal(16) ** -(idx + 1))
        
        # 逐位计算二进制小数，直到达到指定精度或小数部分为0
        remaining = frac_decimal
        for _ in range(precision):
            remaining *= 2
            bit = int(remaining)
            binary_frac += str(bit)
            remaining -= Decimal(bit)
            if remaining == 0:
                break
    
    # 拼接结果
    return f"{binary_int}.{binary_frac}" if binary_frac else binary_int

# 示例测试：十六进制0.1A转二进制
print(hex_decimal_to_binary("0.1A", precision=20))
# 输出：0.00011010000000000000

关键说明 #

• 通过getcontext().prec可以设置Decimal的计算精度，根据你的需求调整即可
• Decimal基于十进制精确计算，不会出现float的二进制存储误差
• 小数部分转二进制时，我们通过不断乘2取整的方式，保证每一位的精确性

内容的提问来源于stack exchange，提问作者Sachith Jayalath