float的is_integer方法验证整数值不符合预期？URI Online Judge做题遇问题

嘿，我太懂你这个困扰了——这根本不是你的代码逻辑错了，而是二进制浮点数的精度误差在偷偷搞鬼！

问题根源 #

你用I += 0.2来累加，但十进制的0.2在二进制浮点数里是一个无限循环的小数，就像我们用十进制无法精确表示1/3一样。每次累加都会引入一点点微小的误差，当循环到后期，比如理论上I应该等于2.0的时候，它实际存储的值可能是1.9999999999999996或者2.0000000000000004这类近似值。这时候I.is_integer()就会返回False，导致本该用整数格式输出的内容变成了浮点数格式。

两种可行的解决方案 #

方案1：用整数计数替代浮点数累加（最可靠）

既然浮点数累加容易出问题，我们可以用一个整数变量来控制循环次数，再通过计算得到I和J的值，完全避开精度误差：

# 用整数i控制循环，i从0到10对应I从0.0到2.0（步长0.2）
i = 0
while i <= 10:
    I = i * 0.2
    # 计算当前I对应的J初始值：每次I增加0.2，J初始值增加0.2（3-2.8=0.2）
    J_start = 1.0 + i * 0.2
    for idx in range(3):
        J = J_start + idx
        # 判断I是否接近整数（误差小于1e-9就认为是整数）
        if abs(I - round(I)) < 1e-9:
            print("I=%d J=%d" % (round(I), round(J)))
        else:
            print("I=%.1f J=%.1f" % (I, J))
    i += 1

方案2：修改判断逻辑，容忍微小误差

如果不想改动循环结构，可以保留原代码的框架，但把is_integer()替换成对误差的判断，同时给循环条件加一点容错：

I = 0.0
J = 1.0
# 定义一个极小的误差阈值，用来判断是否接近整数
epsilon = 1e-9
# 循环条件加epsilon，避免因为精度问题提前退出循环
while I <= 2 + epsilon:
    for y in range(3):
        if abs(I - round(I)) < epsilon:
            print("I=%d J=%d" % (round(I), round(J)))
        else:
            print("I=%.1f J=%.1f" %(I, J))
        J += 1.0
    J -= 2.8
    I += 0.2

为什么方案1更好？ #

用整数计数的方式从根源上避免了浮点数累加的误差，逻辑更清晰，也不会出现类似的精度问题，对于编程题来说，这种方法的鲁棒性更强，能保证输出完全符合题目要求。

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