Python/Numpy中检查特定浮点数是否存在于列表/数组的方法

好问题！浮点数的精度陷阱确实是Python里很容易踩的坑，咱们一步步拆解你的问题：

问题1：用in关键字检查浮点数是否在列表里安全吗？ #

完全不安全。原因在于浮点数的二进制存储特性：很多十进制小数无法被二进制精确表示，会产生微小的精度误差。in关键字做的是精确相等判断，这就会导致逻辑上应该相等的数，因为存储误差被判定为不等。

举个经典的例子：

my_list = [0.3]
# 0.1 + 0.2 实际计算结果是 0.30000000000000004，不是精确的0.3
print(0.1 + 0.2 in my_list)  # 输出：False

明明0.1+0.2的数学结果就是0.3，但因为浮点数的精度问题，in会告诉你它不在列表里——这显然不符合我们的预期。

问题2：有哪些简洁规范的解决方案？ #

这里有几个常用的靠谱方案，根据你的场景选就行：

方案1：用math.isclose遍历检查（Python 3.5+） #

Python标准库的math.isclose专门用来处理浮点数的近似相等判断，支持自定义相对容差和绝对容差，遍历列表用any()就能实现“存在性”检查：

import math

def is_float_in_list(target, float_list, rel_tol=1e-09, abs_tol=0.0):
    # rel_tol：相对容差，默认是1e-9；abs_tol：绝对容差，适合极小值场景
    return any(math.isclose(num, target, rel_tol=rel_tol, abs_tol=abs_tol) for num in float_list)

# 测试一下
my_list = [0.3]
target = 0.1 + 0.2
print(is_float_in_list(target, my_list))  # 输出：True

方案2：用numpy的向量化检查（适合大数据量） #

如果你用numpy处理数组，numpy.isclose配合numpy.any会更高效，尤其当列表元素很多的时候：

import numpy as np

my_array = np.array([0.3])
target = 0.1 + 0.2
print(np.any(np.isclose(my_array, target)))  # 输出：True

如果是普通Python列表，先转成numpy数组就行：np.array(my_list)。

方案3：提前量化浮点数（适合固定精度场景） #

如果你的浮点数有固定的小数位数（比如货币、测量值），可以提前把它们转成整数或者保留固定小数位，再用in检查：

# 方法A：保留固定小数位
my_list = [round(num, 6) for num in [0.3]]
target = round(0.1 + 0.2, 6)
print(target in my_list)  # 输出：True

# 方法B：转成整数（比如精确到小数点后1位）
my_list = [int(num * 10) for num in [0.3]]
target = int((0.1 + 0.2) * 10)
print(target in my_list)  # 输出：True

这个方法要注意选对精度，避免截断过度导致错误判断。

内容的提问来源于stack exchange，提问作者fromGiants