Python中接近1的浮点数取无穷大幂的阈值及精度提升问题

咱们先从你观察到的现象说起，这个差异确实挺有意思的：

1.000000000000001 ** float('inf') == float('inf')  # 结果为True

而

1.0000000000000001 ** float('inf') == 1.0  # 结果为True

为什么会有这个阈值？ #

这本质是Python默认的float类型（64位双精度浮点数）的精度限制导致的。双精度浮点数的尾数部分有52位二进制位，这决定了1.0和下一个能被精确表示的双精度浮点数之间的差值是2^-52（约等于2.220446049250313e-16），这个值也叫「机器epsilon」。

• 当你写1.0000000000000001时，它和1.0的差值是1e-16，比2^-52要小——双精度浮点数没法区分这么小的差异，会直接把这个数舍入成1.0。那1.0的无穷大次幂自然还是1.0。
• 而1.000000000000001和1.0的差值是1e-15，比2^-52大，所以它能被正确表示成一个严格大于1.0的浮点数。按照数学规则，任何严格大于1的数的无穷大次幂都是无穷大，所以结果就是float('inf')。

简单说，这个阈值就是双精度浮点数的机器epsilon：只要数和1.0的差值小于它，就会被当成1.0处理；大于等于的话，就会被识别为大于1的数。

怎么提升精度避免这个问题？ #

如果你需要精确处理这种接近1的小数，有两个实用的办法：

• 用decimal模块自定义精度
  这个模块可以让你手动设置小数的精度，完全避开双精度的限制。比如：

from decimal import Decimal, getcontext

# 把精度设置到足够高，比如30位，能覆盖你需要的小数位数
getcontext().prec = 30

num1 = Decimal('1.0000000000000001')
num2 = Decimal('1.000000000000001')
inf = Decimal('Infinity')

print(num1 ** inf)  # 输出1
print(num2 ** inf)  # 输出Infinity

这样就能精准区分这两个数，得到符合预期的计算结果。

• 用fractions模块做精确分数运算
  如果你的数可以表示成整数的分数形式，用分数类型能彻底避免浮点数的舍入误差：

from fractions import Fraction

# 把两个小数转成分数形式
num1 = Fraction(10000000000000001, 10000000000000000)
num2 = Fraction(100000000000001, 100000000000000)
inf = float('inf')

print(float(num1 ** inf))  # 输出1.0
print(float(num2 ** inf))  # 输出inf

这种方式基于精确的整数运算，完全不会有精度丢失的问题。

备注：内容来源于stack exchange，提问作者Elan SK