math.isclose比==更可靠，因其通过rel_tol和abs_tol容差机制处理ieee 754浮点误差，避免0.1+0.2==0.3返回false；它不修正数值，仅判断接近性。
math.isclose 为什么比 == 更可靠
直接用 == 比较浮点数常出错，比如 0.1 + 0.2 == 0.3 返回 False，因为二进制浮点表示存在固有精度损失。而 math.isclose 是专为这种场景设计的：它不判断“绝对相等”，而是判断“是否落在可接受的误差范围内”。
必须传对 rel_tol 和 abs_tol 参数
默认参数看似省事，但容易误判：math.isclose(a, b) 默认 rel_tol=1e-09、abs_tol=0.0，这意味着它只按相对误差比较——对接近零的数会失效。例如 math.isclose(1e-10, 0.0) 返回 False，因为相对误差是无穷大。
- 当比较的数可能接近 0，务必显式设置
abs_tol，比如abs_tol=1e-12 - 若两个数都很大（如 > 1e6），
rel_tol主导；若都很小（如 abs_tol 更关键 - 常见安全组合：
math.isclose(a, b, rel_tol=1e-9, abs_tol=1e-12)
注意 NaN 和 inf 的特殊行为
math.isclose 对非数字值有明确定义，但和直觉可能不同：
-
math.isclose(float('nan'), float('nan'))返回False（NaN 永远不等于自身） -
math.isclose(float('inf'), float('inf'))返回True -
math.isclose(float('inf'), float('-inf'))返回False - 任一参数为 NaN 时，结果恒为
False，不会报错
别在循环里反复调用 isclose 做性能敏感操作
math.isclose 内部做了多次条件判断和 abs 计算，虽快但非零开销。如果在高频数值计算（如物理仿真内层循环）中频繁使用，实测比直接差值比较慢 2–3 倍。
- 简单场景（如测试断言、配置校验）放心用
- 性能关键路径可改用
abs(a - b) 手动展开逻辑 - 注意手动展开时仍需处理
inf和nan，否则可能触发ValueError或静默错误
真正难的是平衡精度要求和边界情况——比如科学计算要严控 abs_tol，而 UI 状态比对可能容忍更大偏差，这些得根据具体数值量级和业务语义来定。
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！
