为什么在Python中浮点数运算会出现精度丢失问题-Python教程-PHP中文网

0.1 + 0.2 ≠ 0.3 是因 ieee 754 双精度浮点数用二进制表示十进制小数时必须截断近似，0.1 和 0.2 均为无限循环二进制小数，52 位尾数截断后误差累积；decimal('0.1') + decimal('0.2') == decimal('0.3') 成立，因其以字符串初始化、避开 float 解析，全程精确十进制运算。

为什么在python中浮点数运算会出现精度丢失问题

Python 中浮点数运算出现精度丢失，不是 Python 的缺陷，而是所有遵循 IEEE 754 双精度标准的语言共有的底层限制。根本原因在于：十进制小数（如 0.1、0.2）在二进制中无法精确表示，只能截断近似。

为什么 0.1 + 0.2 ≠ 0.3？

0.1 转成二进制是无限循环小数：0.00011001100110011...（周期为 1001）
0.2 同样是无限循环：0.0011001100110011...
Python 的 float 只有 52 位尾数（mantissa），必须截断，导致存储值略小于真实十进制值
截断后的两个近似值相加，误差累积 → 实际结果是 0.30000000000000004
所以 0.1 + 0.2 == 0.3 返回 False

这个现象在 JavaScript、Java、C 等语言中完全一致，和 Python 无关。

python学习

Python 编程学习助手 skill，面向零基础用户。当用户表达以下意图时触发： - 学习 Python 基础概念（变量、数据类型、循环、函数、类等） - 请求 Python 练习题或测验 - 请求审查或调试 Python 代码 - 请求 Python 项目实战指导（爬虫、数据分析、Web 开发等入门项目） - 泛化表述如"教我 Python""我想学编程""Python 怎么写""帮我学 Python" 此 skill

下载

Decimal('0.1') + Decimal('0.2') == Decimal('0.3') 为什么成立？

Decimal 不走二进制浮点路径，而是用整数 + 小数位数的方式精确表示十进制数
关键前提是：必须用字符串初始化，例如 Decimal('0.1')
若写成 Decimal(0.1)，会先让 Python 把 0.1 解析为已失真的 float，再包装——精度早已丢失

示例：

from decimal import Decimal
print(Decimal('0.1') + Decimal('0.2') == Decimal('0.3'))  # True
print(Decimal(0.1) + Decimal(0.2) == Decimal(0.3))        # False

round(2.675, 2) 得到 2.67 而非 2.68 怎么回事？

2.675 在二进制中无法精确表示，实际存储值略小于 2.675（比如 2.6749999999999998）
round() 对“恰好位于中间”的情况默认采用 银行家舍入（ROUND_HALF_EVEN），但前提仍是输入值本身已失真
所以它不是四舍五入逻辑错了，而是输入值从一开始就不等于你写的字面量

正确做法：用 Decimal 控制输入和舍入：

from decimal import Decimal, getcontext, ROUND_HALF_UP
getcontext().rounding = ROUND_HALF_UP
print(Decimal('2.675').quantize(Decimal('0.01')))  # Decimal('2.68')

真正需要警惕的，不是“怎么修显示”，而是是否在关键路径上混用了 float 和 Decimal（比如 Decimal('1.1') + 2.5），一旦触发隐式转 float，精度就不可逆地丢了。金融、对账、科学计算中，这种混用比精度设置错误更危险。