Python浮点运算:为何.1累加四次等于.4为真,累加三次等于.3为假?
Python浮点比较结果差异的根本原因
所有Python默认的float类型,采用IEEE 754双精度二进制浮点数标准存储,没有任何十进制小数(除了分母为2的整数次幂的分数)可以被精确存储——所有这类小数都会被转换成离自身最近的、可以用64位二进制表示的近似值,后续所有运算、比较都是基于这个近似值完成的,和书写的十进制符号本身没有直接绑定关系。
两个比较结果的差异,本质就是「两边参与比较的二进制存储值是否完全相等」,不存在复杂的运算逻辑偏差:
1. .1+.1+.1+.1 == .4 返回True的底层逻辑
从Decimal输出的精确值可以直接看到,两边的存储值完全一致:
- 直接书写的
.4对应的底层精确值:0.40000000000000002220446049250313080847263336181640625 - 4次
.1累加得到的底层精确值:0.40000000000000002220446049250313080847263336181640625
这个结果是巧合也是必然:
.1的近似存储值比真实数学意义上的0.1略大,差值约为5.55e-18- 4个
.1累加的数学和,是真实0.4加上4倍的.1偏差值,这个数值刚好落在「离真实0.4最近的可表示二进制浮点数」的位置上 - 不管是直接写
.4,还是4次累加得到的结果,系统在就近舍入规则下选的都是同一个二进制存储单元,因此比较必然返回True
2. .1+.1+.1 == .3 返回False的底层逻辑
同样从精确存储值对比就能看出差异:
- 直接书写的
.3对应的底层精确值:0.299999999999999988897769753748434595763683319091796875 - 3次
.1累加得到的底层精确值:0.3000000000000000444089209850062616169452667236328125
两个值的十进制差值约为3.55e-17,是两个完全独立的二进制存储值,比较返回False是完全符合规则的结果:
- 3个
.1累加的数学和,是真实0.3加上3倍的.1偏差值,这个数值离真实0.3的距离太远,在就近舍入时,不会匹配到「离真实0.3最近的可表示浮点数」(也就是直接写.3对应的那个比真实0.3略小的存储值) - 累加结果最终会舍入到另一个比真实0.3更大的可表示浮点数上,和直接书写的
.3的存储值完全错位,自然无法相等。
常见误区澄清:二进制浮点数的计算偏差不是随机产生的,所有偏差都由可表示范围、就近舍入规则完全决定,和Python的运算逻辑没有关系。
内容的提问来源于stack exchange,提问作者sunny
相关产品推荐
相关产品推荐

