Julia 浮点数累加结果异常：如何确保迭代加0.2得到正确结果？

偏差产生的核心原因 #

Julia原生默认的浮点数遵循IEEE 754双精度二进制存储标准，二进制浮点数无法精确表示所有十进制有限小数：类似0.2这类十进制有限小数，实际存储的是和真实值最接近的二进制近似值，不存在完全相等的二进制浮点数表示。
每次执行累加操作时，这个近似值的微小误差会被不断累积，最终就出现了运行输出里0.6000000000000001、1.5999999999999999这类和直观预期有细微偏差的结果。这类偏差不是Julia独有的，所有基于同套浮点数标准的编程语言运行相同累加逻辑都会出现同类现象。

测试复现场景 #

原始测试代码：

some = 0.0
for i in 1:10
    some += 0.2
    println(some)
end

实际运行输出：

0.2
0.4
0.6000000000000001
0.8
1.0
1.2
1.4
1.5999999999999999
1.7999999999999998
1.9999999999999998

实现精确累加的可行方案 #

• 使用有理数类型做无精度损失计算
  Julia内置的Rational有理数类型可以精确表示所有十进制分数，从根源上规避二进制浮点数的存储误差。比如将0.2写为2//10（即1/5）的有理数形式参与累加，全程不会产生累积误差：

  some = 0//1
  for i in 1:10
      some += 2//10
      println("精确存储值: ", some, " 对应十进制数值: ", float(some))
  end
  

• 输出阶段做精度对齐
  如果业务场景不需要严格的精确值运算，只是需要输出结果符合直观预期，可以在打印阶段按需求对浮点数做小数位截断，抵消累积的微小误差影响：

  some = 0.0
  for i in 1:10
      some += 0.2
      # 按1位小数做四舍五入对齐，消除累积误差的展示干扰
      println(round(some, digits=1))
  end
  

• 高精度场景下使用整数做最小单位累加
  涉及金额、计量等对精度要求极高的场景，可以将浮点数值换算为最小单位的整数值做累加，比如把0.2元换算为2角（整数2），全部累加完成后再统一换算回目标单位，完全绕开浮点数的精度问题。

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