如何提前判断浮点运算是否准确？无需执行实际计算

先看你给出的Python示例：

In [58]: 0.2+0.2==0.4
Out[58]: True

In [59]: 0.2+0.1==0.3
Out[59]: False

这种差异的核心原因，完全在于十进制数能否被二进制浮点数精确表示，以及运算过程中误差的表现形式。

我们常用的float（单精度）和double（双精度）都遵循IEEE 754标准，本质是用二进制分数（形如k/(2^n)，k、n为整数）来近似十进制数。只有当十进制数能转化为这种形式时，才能被精确存储；否则只能存一个近似值，运算时误差就可能显现。

一、浮点运算准确的场景 #

满足以下任一条件时，运算结果是精确的：

• 参与运算的数本身可被二进制精确表示，且运算未超出精度范围：比如0.5（1/2）、0.25（1/4）这类分母是2的幂的十进制小数，都能精确转成二进制。你例子里的0.2+0.2，虽然0.2本身是近似值，但两个相同近似值的和，刚好和0.4的近似值完全重合，所以判断结果为True。
• 运算结果可被二进制精确表示：比如2^53以内的整数运算（双精度浮点数能精确表示这个范围内的所有整数），哪怕中间过程涉及近似，最终结果刚好落在精确表示范围内，结果就是准确的。

二、浮点运算不准确的场景 #

• 涉及无法二进制精确表示的数：像0.1、0.2、0.3这类十进制小数，转二进制是无限循环的，存储时只能取近似值。当这些近似值运算时，误差会暴露出来——比如0.2+0.1的实际二进制和，与0.3的二进制近似值并不相等，所以==判断返回False。
• 运算导致精度损失：比如极大数加极小数，极小数会被“吞噬”；或者多次运算后误差累积到可察觉的程度，都会导致结果偏离预期。

三、提前判断运算准确性的方法 #

不用实际计算，从这几点就能判断：

1. 检查数的二进制可表示性：把十进制小数写成最简分数p/q，如果q的质因数只有2（即q是2的幂），这个数就能被二进制精确表示；反之则不行。比如0.5=1/2（q=2）可以，0.1=1/10（q=10，质因数含5）不行。
2. 判断运算结果的范围和形式：
   • 整数运算：结果在-2^53到253之间（双精度），就一定精确。
   • 加减乘除运算：若运算结果的最简分数分母是2的幂，且结果在浮点数的精度范围内，运算就是精确的。

内容的提问来源于stack exchange，提问作者zell