如何将几乎相等的浮点数舍入为相同的数值？

这是实际开发中真实存在的高频风险，绝非仅停留在理论层面的极端情况。

• 浮点数运算的误差本身是无规律分布在精度边界附近的，当两个理论相等的数值的计算误差刚好分跨在你设定的舍入阈值（你案例中是第8位小数的0.5分界）两侧时，就会触发这个问题。这类场景在迭代运算、累加/累乘、金融分摊计算、图形学坐标变换等开发场景中出现的概率并不低，很多线上bug都来源于这类舍入边界问题。
• 你目前用的固定位数舍入后判等的方案本身存在设计缺陷：舍入本质是硬截断逻辑，天然存在阶梯式的边界跳跃点，只要误差刚好落在跳跃点两侧就会失效，无法覆盖所有浮点数误差场景。

推荐解决方案 #

替换舍入判等的逻辑，改用epsilon阈值近似判等法：直接判断两个数值的绝对差值是否小于你业务可接受的最大误差阈值，对应你的精度要求，参考实现（以Python为例）：

# 业务可接受的最大误差为1e-8，可根据实际场景调整精度
EPS = 1e-8
if abs(x - y) < EPS:
    # 判定为相等

该方案不存在硬截断的边界跳跃问题，你案例中的两个数值差值仅为2e-12，远小于1e-8的阈值，会被正确判定为相等。

内容的提问来源于stack exchange，提问作者laneo