在Julia中是否有标准的方法来获得数值一致性

我知道，像0.1这样的小数如果不付出额外的努力，就不能准确地用二进制点表示

└─╼ julia 
 Version 0.6.0 (2017-06-19 13:05 UTC)  
 julia> 1.0 + 0.1 - 1.0 - 0.1 == 0
  false  
 julia> 1.0 + 0.1 - 1.0 - 0.1
  8.326672684688674e-17

或者纯粹是象征性的

有几个舍入选项： 朱莉娅>圆形 四舍五入最接近的四舍五入最接近的四舍五入向上四舍五入 舍入从零舍入最近舍入到零舍入模式

如果不展开关于数值稳定性的长期讨论，Julia有推荐的风格吗

---

这真的不是关于朱莉娅的问题。这将出现在任何使用IEEE浮点算法的语言中，因为Julia只使用标准。因此，标准规则适用

不要期望浮点计算是精确的。相反，请使用

isapprox

（或

\approx

测试浮点相同性≈) 适当设置公差

如果你需要真正的小数，你应该使用有理数，就像你在那个例子中看到的那样

另一个有用的东西可能是DecFP.jl，它使用IEEE十进制算法，因此在这种示例中更精确

如果需要更精确，请使用更高的精度。

BigFloat

s有其用途

---

另外还有

sum\u kbn

，这可能是您的应用程序所需的全部：

julia> 1//10
 1//10
julia> 1 + 1//10
 11//10
julia> 1 + 1//10 - 1
 1//10
julia> 1 + 1//10 - 1 - 1//10
 0//1
julia> 1 + 1//10 - 1 - 1//10 == 0
 true

---

一般来说，担心这种“不一致性”是没有用的。你的数字在十六进制中是错误的，这比你测量地球周长时原子的大小要小得多

在实践中，您所处理的量是以一定的分辨率和精度测量的，用近似模型描述，并用截断方法计算

---

注意误差的真正来源和放大误差的数值过程是很重要的。换句话说，对误差演算有一种感觉。转向精确算术通常是胡说八道。

\≈ 非常值得了解，函数名似乎是isapprox而不是近似值。DecFP.jl看起来很有希望。有理数和大浮点数只是解决了我的用例的问题。

julia>@Base.Test.Test 1≈ 0.9999999 atol=10.0^-7测试通过julia>@Base.Test.Test 1≈ 0.9999999 atol=10.0^-8测试失败

您的用例是什么？您应该更具体一些。处理浮点运算的正确方法取决于应用程序。≈ 解决了它。DEET不相关。thx用于提问，tho。Q专门用于Julia方法。你回答得很好。@james的回答对描述加法案例特别有意思。但是≈ 确实让代码更具可读性和算术灵活性。当然，数字可能是危险的。thx！受你帖子的启发，我在Julia[.好东西]中找到了一个关于KBN的讨论。

julia> sum([1.0, 0.1, - 1.0, - 0.1])
8.326672684688674e-17

julia> sum_kbn([1.0, 0.1, - 1.0, - 0.1])
0.0

help?> sum_kbn
search: sum_kbn cumsum_kbn

  sum_kbn(A)

  Returns the sum of all elements of A, using the Kahan-Babuska-Neumaier compensated summation algorithm for additional accuracy.