应使用 math.isclose() 而非 == 或 abs(a - b)：因浮点数二进制表示存在精度误差（如 0.1 + 0.2 ≠ 0.3），== 易误判，而 math.isclose() 专为处理精度、次正规数及边界情况设计。
直接用 math.isclose()，别自己写 a == b 或算差值阈值——它专为浮点数比较设计，处理了精度、次正规数和边界情况。
为什么不能直接用 == 比较浮点数
浮点数在二进制中无法精确表示大多数十进制小数（比如 0.1 + 0.2 实际是 0.30000000000000004），直接 == 判断几乎必然出错。手写 abs(a - b) 看似简单，但会漏掉大数场景（如 1e20 和 1e20 + 1 差值远超 1e-9 却仍应视为“相等”）。
常见错误现象：0.1 + 0.2 == 0.3 返回 False；1.0000000000000002 == 1.0 返回 False，但业务上它们就是同一个值。
- 根本原因是 IEEE 754 浮点表示存在固有舍入误差
-
math.isclose()同时考虑相对误差和绝对误差，自动适配大小数量级 - 它还显式处理了
nan、inf等特殊值（比如isclose(nan, nan)默认返回False，符合 IEEE 标准）
math.isclose() 的两个关键参数怎么选
rel_tol（相对容差）和 abs_tol（绝对容差）共同决定“足够接近”的标准。默认值 rel_tol=1e-09、abs_tol=0.0 适合多数科学计算，但实际需按场景调整：
- 普通数值计算（如物理模拟、财务四舍五入后比对）：保持默认或略放宽
rel_tol=1e-06 - 涉及接近零的数（如
1e-10和2e-10）：必须设abs_tol，例如abs_tol=1e-12，否则相对容差失效 - 高精度需求（如密码学中间值校验）：缩小
rel_tol到1e-15，并确认硬件支持双精度 - 注意：当
a和b都为零时，只依赖abs_tol判断
示例：
librosa Python 音频与音乐分析库
下载
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
import math<br>math.isclose(1.0000001, 1.0000002, rel_tol=1e-6) # True<br>math.isclose(1e-10, 2e-10, abs_tol=1e-11) # False<br>math.isclose(1e-10, 2e-10, abs_tol=2e-10) # True
容易被忽略的边界行为
math.isclose() 对特殊浮点值的处理很严格，不按直觉走：
-
math.isclose(float('nan'), float('nan'))默认返回False（除非显式传nan_ok=True） -
math.isclose(float('inf'), float('inf'))返回True；但math.isclose(float('inf'), 1e308)是False - 如果任一参数是非数字类型（如字符串、
None），抛出TypeError，不会静默失败 - 性能上无明显开销，但频繁调用时避免重复传参（如固定容差可封装成局部函数）
示例：
math.isclose(float('nan'), float('nan')) # False<br>math.isclose(float('nan'), float('nan'), nan_ok=True) # True<br>math.isclose(1.0, float('inf')) # False
真正麻烦的是混合精度场景——比如一个值来自 numpy.float32 计算，另一个是 Python 原生 float（即 float64）。此时 rel_tol 应按较低精度（1e-6 左右）设，否则可能误判。别指望函数自动感知 dtype。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
