Python浮点决定论

下面的代码（用于计算余弦相似性）在我的计算机上重复运行时，将输出1.0、0.9999999999998或1.0000000000000002。当我取出normalize函数时，它只返回1.0。我认为浮点运算应该是确定性的。如果每次都对同一台计算机上的相同数据应用相同的操作，那么在我的程序中会出现这种情况的原因是什么？这可能与调用normalize函数的堆栈位置有关吗？我怎样才能防止这种情况

#! /usr/bin/env python3

import math

def normalize(vector):
    sum = 0
    for key in vector.keys():
        sum += vector[key]**2
    sum = math.sqrt(sum)
    for key in vector.keys():
        vector[key] = vector[key]/sum
    return vector

dict1 = normalize({"a":3, "b":4, "c":42})
dict2 = dict1

n_grams = list(list(dict1.keys()) + list(dict2.keys()))
numerator = 0
denom1 = 0
denom2 = 0

for n_gram in n_grams:
    numerator += dict1[n_gram] * dict2[n_gram]
    denom1 += dict1[n_gram]**2
    denom2 += dict2[n_gram]**2

print(numerator/(math.sqrt(denom1)*math.sqrt(denom2)))

---

浮点数学可能是确定性的，但字典键的顺序不是

调用

.keys（）

时，结果列表的顺序可能是随机的

因此，循环中数学运算的顺序也可能是随机的，因此结果不会是确定性的，因为虽然任何单个浮点运算都可能是确定性的，但一系列运算的结果在很大程度上取决于顺序

---

您可以通过对键列表进行排序来强制执行一致的顺序。

字典的顺序仅在Python 3.x中是不确定的，除非在Python 2.xSo中显式配置，否则您建议强制执行顺序，还是将其保留在“浮点不精确”的类别中我要做的就是盯着这些数据。如果这些数据将被进一步用于计算，你会改变你的答案吗？我通常会把它放在“浮点不精确”的领域。