Python中为何1e18与1e18+50判等为True，幂次写法却判为False

两类写法的核心类型差异 #

两种写法的本质区别是被Python解析后的数值类型完全不同：

• 科学计数法字面量（如1e18）：直接解析为双精度浮点数（float），遵循IEEE 754标准的浮点数存储与运算规则
• 同量级幂次表达式（如10**18）：直接解析为任意精度整数（int），支持无上限的精确整数表示，不存在数值截断或舍入逻辑

可通过如下代码直接验证类型差异：

>>> type(1e18)
<class 'float'>
>>> type(10**18)
<class 'int'>

双精度浮点数的大数值精度特性 #

双精度浮点数的存储结构固定，仅用52位存储有效尾数（额外附带1位隐含前导1），整体仅能提供约15~17位十进制有效数字的精确表示能力。
当数值量级升高时，浮点数可表示的相邻两个数之间的间隔（又称最小精度单位ULP）会同步变大：

• 对于1e18量级的双精度浮点数，实际计算可得其相邻可表示数的间隔约为256，也就是说所有落在同一个256宽度区间内的数值，都会被映射为同一个浮点数常量。

因此1e18 + 50的运算结果因为50的增量远小于当前量级的最小精度间隔，会被直接舍入为和1e18完全相同的浮点数表示，等值比较自然返回True。
可通过如下代码验证该特性：

>>> 1e18 == 1e18 + 255
True
>>> 1e18 == 1e18 + 256
False

幂次运算结果符合直觉的原因 #

Python的int类型为任意精度实现，会完整保留整数的所有有效位，不存在舍入逻辑。因此10**18 + 50是实实在在比原值大50的独立整数，和原值的数值完全不同，等值比较自然返回False。

可补充验证：若将整数幂结果强制转换为浮点数类型，会出现和科学计数法完全一致的比较结果，佐证核心逻辑是类型差异而非写法本身：

>>> float(10**18) == float(10**18 + 50)
True

内容的提问来源于stack exchange，提问作者BiBi