Python中使用round规避机器精度误差与浮点数倍数校验问题

为什么round后校验不生效 #

Python 中的 float 遵循 IEEE 754 双精度浮点数标准，本身无法精确表示所有十进制小数，round 操作的返回值依然是 float 类型，没有从根本上解决精度误差问题。
以你给出的代码为例，round(0.030000000000000002, 5) 看起来得到的是 0.03，但实际内存中存储的是和 0.03 最接近的双精度浮点数值，这个值和同样以双精度存储的 0.01 做取余运算时，结果不会严格等于0，所以等于判断返回 False。
之前 t1%factor==0 输出 True 只是巧合，是 0.02 和 0.01 对应的双精度值刚好满足取余为0的条件，不具备通用性。

修复方案 #

• 方案1：放大为整数运算
  你业务需要保留5位小数，可以将两个数都放大10^5倍转为整数后再做倍数校验，完全规避浮点数精度问题：

  # 保留5位小数对应放大10^5倍
  scale = 10 ** 5
  t_scaled = round(t2 * scale)
  factor_scaled = round(factor * scale)
  print(t_scaled % factor_scaled == 0)
  

  该方案性能最高，适合大部分普通业务场景。
• 方案2：使用decimal模块做精确十进制运算
  如果你所在的场景（比如金融、计量）对精度误差零容忍，可以使用Python标准库的decimal模块做精确运算：

  from decimal import Decimal, getcontext
  # 设置足够的运算精度
  getcontext().prec = 10
  # 按要求保留5位小数
  t_val = Decimal(str(t2)).quantize(Decimal('0.00001'))
  factor_val = Decimal('0.01')
  print(t_val % factor_val == 0)
  

  该方案逻辑最严谨，计算结果完全符合十进制运算预期。
• 方案3：增加误差容忍阈值
  如果业务允许极小的误差，可以直接判断取余结果的绝对值是否小于可接受的阈值：

  # 阈值设置为小于你需要的最小精度即可，这里保留5位小数，阈值设为1e-6
  epsilon = 1e-6
  print(abs(round(t2, 5) % factor) < epsilon)
  

  该方案改造成本最低，适合快速验证的场景。

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