Python中使用print语句进行浮点数相等比较的异常结果原因咨询

核心成因：IEEE 754 双精度浮点数的存储局限 #

日常编码中用到的十进制小数，绝大多数都无法被二进制格式的浮点数完全精确表示。计算机存储这类数值时，只能保存与原值最接近的二进制近似值，不同十进制数对应的近似值的偏差方向、大小没有统一规律，最终就会出现观察到的“一组相加判断为真、另一组判断为假”的反差现象。

两组计算的具体原理拆解 #

• print(0.3 + 0.1 == 0.4) 返回True的逻辑
  计算机实际存储的0.1、0.3两个近似值，相加之后得到的二进制结果，和单独存储的0.4对应的二进制近似值完全重合，因此等值判断成立。如果打印20位精度的小数做验证，可以发现0.1+0.3和0.4的逐位输出完全一致，不存在可被检测到的偏差。
• print(0.2 + 0.1 == 0.3) 返回False的逻辑
  计算机实际存储的0.2、0.1两个近似值相加后，结果并不是精确的0.3，而是带微小偏差的0.30000000000000004；而单独存储的0.3本身也是近似值，实际数值为0.29999999999999998889...，两个值存在微小但明确的差值，因此等值判断返回False。

补充说明：这个现象不是Python独有的问题，所有遵循IEEE 754浮点数存储标准的编程语言，运行相同的计算逻辑都会得到完全一致的判断结果。

浮点数相等判断的正确处理方式 #

直接用==运算符做浮点数相等判断，很容易因为存储精度偏差踩坑，实际开发中可以参考两种通用方案：

• 预留可接受的误差范围，判断两个数的差值绝对值是否小于预设的极小值（通常称为epsilon，一般取1e-9），例如判断两个数近似相等的写法：abs(a - b) < 1e-9
• 对精度要求高的场景（比如财务类计算），可以直接引入Python内置的decimal模块，使用十进制高精度类型完成计算，从根源上规避二进制浮点数的存储偏差问题。

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