如何在python中轻松处理浮点错误？

我正在生成一个数组，其中包含非常相似但不相等的值，这是由于浮点不准确。以下是数组开头的示例元素：

我希望在固定位置切片这些数字以删除它们（对于我的代码来说，在更大的上下文中，这些不准确的情况不会发生是至关重要的）。我曾尝试使用
0b111.1111111（=7.9921875）
对其进行位掩码，但python显然不支持浮动上的
&
。我试着对它们进行移位，将它们转换成整数，然后使用
&
，但我就是做不到。

现在，我想知道，是否有一种简单的方法可以进行位掩码浮动，或者python中是否有另一种方法，可以在特定位置后对浮动进行切片，或者解决这个问题。
一种方法，尽管精度略有降低，但是将其舍入。例如，使用以下命令：

i=5/3
印刷品（一）
i=圆形（i，10）
印刷品（一）

这可能会打印以下内容：

1.6692
1.66666666666
如何使用？这种类型可以精确地表示小数，不像
float
Fraction
s是精确的，
Decimal
的精度也比
float
高，如果您使用32位python或32位浮点，您可以通过切换到64位来获得更高的精度。@np8:32位浮点将无法显示所示的值，例如1.6666651508和1.6666651493。这只是掩盖了问题。它并没有纠正它，而是留下了一个更难发现的问题。这是因为，除非程序正在处理的数字中有一些十进制模式（在所示的示例数字中不存在），否则我们可以预期计算出的浮点值与由
舍入
引起的十进制舍入点之间没有相关性。当两个数字落在其中一个舍入点的不同侧面时，
舍入（i，10）
将产生不同的结果，因此此“解决方案”失败。然而，这种情况可能很少发生，以至于在测试中会被忽略。例如，在
round（i，10）
的舍入值在1和2之间变化时，有10^10个点。显然希望相同的两个样本号相差20497 ULP。在1和2之间有2^52个ULP。因此，在大约20497•10^10/2^52这样的情况下，差值将跨越一个舍入点。这是4.55%。因此，我们不希望在测试中发现问题，例如产生OP显示的样本结果的测试。@EricPostphil据我所知，您对解决方案的问题是，例如
round（1.66666655,7）（=1.6666665）
和
round（1.6666666656,7）（=1.666666666）
会产生不同的结果？如果这是唯一的问题，那对我来说就没问题了，因为误差在第10位之前几乎从未出现过，我已经在第三位或第四位之后四舍五入了。但总的来说，你有没有一个更普遍的解决方案来避免这个问题？@Lavair：没有普遍的解决方案，也不可能。浮点运算是为了逼近实数运算而设计的。这在IEEE-754浮点运算标准中有规定。在大多数情况下，当需要精确的结果时，不应使用浮点运算。使用它来获得准确的结果需要专业知识，并且取决于具体情况。你必须在问题中具体解释你在做什么，以及为什么你需要同样的结果。根据具体情况，解决方案可能是使用浮点以外的方法或使用其他算法。