Python 浮点随机（？！）精度怪癖

我刚刚开始学习python，我偶然发现了一个特殊性

python版本：

Python 2.7.2（默认值，2011年7月20日，02:32:18）[GCC 4.2.1（LLVM， linux2上的Emscripten 1.5，Empythones）]

关于：

与口译员合作分配：

    pi = 3.141 // 3 places decimal precision
    #typing pi  & pressing return puts 3.141
   type(pi)
=> <type 'float'>
    pi = 3.1415
   type(pi)
=> <type 'float'>
    #pi puts 3.1415000000000002

---

整数和浮点被赋予一定数量的位。对于整数，每一位对应于二的幂。第一个数字是20，然后是21、22，依此类推。因此，为了存储整数

5

，我们有20+22=1+4

对于浮点数，我们将其存储为两部分。指数和小数。如果我们的小数点为.75，指数为2，那么我们就得到.75*102=7.5。小数存储为2的负幂。所以我们有2-1，2-2。2-3. 等。这些等同于

.5

、

.25

、

.125

等

有些数字无法存储，因为它们实际上需要无限位来表示，如0.1，而其他如3.1415需要的位比CPU为浮点数提供的位更多（24是32位浮点的标准，但算法不同）

比较浮动的正确方法是定义一个方差，并沿着这些线使用一些东西

variance = .0001
floatsEqual = lambda f1, f2: f1 - variance <= f2 and f1 + variance >= f2

if (floatsEqual(3.1415, 3.1415 + 1 - 1)):
    pass

方差=.0001
floatsEqual=λf1，f2:f1-方差=f2
如果（floatsEqual（3.1415，3.1415+1-1））：
通过

---

在Python中，十进制库也很有用。

不是每个十进制分数都可以用二进制编码的浮点精确表示。因此，将

==

与浮动一起使用通常不是一个好主意。一个更简单的情况：

0.1+0.2

的计算结果为

0.3000000000004

。这不是精度损失，这是以二进制IEEE-754格式编码十进制分数的副产品。@android为什么它会减少我的精确赋值？如果您想要精度，可以使用

decimal

模块。@raam86。可能会有帮助。@raam86如果您仍然感到困惑，请阅读如何将小数从十进制转换为二进制，并尝试手动（在纸上）为

0.1

进行此转换。你会明白原因的。

variance = .0001
floatsEqual = lambda f1, f2: f1 - variance <= f2 and f1 + variance >= f2

if (floatsEqual(3.1415, 3.1415 + 1 - 1)):
    pass