python中关于浮点数的计算

print(0.4+0.2==0.6)
print(0.1+0.2==0.3)
print(0.1+0.7==0.8)
print(0.4+0.8==1.2)

以上输出均为False
这是为什么还有哪些是特殊的

因为在计算机中，小数是以二进制保存的，导致其精度会有缺失。

Python 中使用双精度浮点数来存储小数。在 Python 使用的 IEEE 754 标准（52M/11E/1S）中，8字节64位存储空间分配了52位来存储浮点数的有效数字，11位存储指数，1位存储正负号，即这是一种二进制版的科学计数法格式。虽然52位有效数字看起来很多，但麻烦之处在于，二进制小数在表示有理数时极易遇到无限循环的问题。其中很多在十进制小数中是有限的，比如十进制的 1/10，在十进制中可以简单写为 0.1 ，但在二进制中，他得写成：0.0001100110011001100110011001100110011001100110011001…..（后面全是 1001 循环）。因为浮点数只有52位有效数字，从第53位开始，就舍入了。这样就造成了标题里提到的”浮点数精度损失“问题。 舍入（round）的规则为“0 舍 1 入”，所以有时候会稍大一点有时候会稍小一点。

Python的浮点数损失精度问题 - 程序员修练之路 - 博客园 本篇讨论的现象可以从下面这段脚本体现出来：>>> x = 0.0 >>> for i in range(10): x += 0.1 print(x) 0.1 0.2 https://www.cnblogs.com/hdk1993/p/8893954.html

就像10进制下1除以3是个无限循环小数一样，在3进制下就能整除
但凡在二进制下无法整除的那些小数，都会有精度丢失的问题

浮点数直接判断相等是有风险的。正确判断方法应该是两者之差小于一个有效精度，比如
a = 0.4+0.2
b = 0.6
if(fabs(a-b) < 0.0001)
printf("a=b");

print(round(0.4 + 0.2 ,1) == 0.6)
print(round(0.1 + 0.2 ,1) == 0.3)
print(round( 0.1 + 0.7,1 ) == 0.8)
print(round( 0.4 + 0.8,1 ) == 1.2)