0.1 + 0.2 != 0.3 是二进制浮点数固有精度限制所致，并非 python bug；因十进制小数0.1在二进制中无限循环，ieee 754双精度只能近似存储，实际结果为0.30000000000000004。
为什么 0.1 + 0.2 != 0.3 是正常的，不是 bug
这是二进制浮点数表示的固有限制，不是 Python 特有，所有遵循 IEEE 754 标准的语言（JavaScript、C、Java）都这样。十进制小数 0.1 在二进制中是无限循环小数（类似十进制里 1/3 = 0.333...），只能被近似存储。
Python 默认用 64 位双精度浮点数，有效数字约 15–17 位十进制数字。一旦参与计算，误差会累积，尤其在连续加减、比较或作为循环边界时容易暴露。
-
0.1 + 0.2实际结果是0.30000000000000004，打印时 Python 会自动舍入显示为0.3，但底层值没变 - 用
repr(0.1 + 0.2)能看到真实表示：'0.30000000000000004' - 直接用
==比较两个浮点计算结果，几乎总是错的
什么时候该用 decimal.Decimal 替代 float
当你需要精确十进制算术，比如金融计算、会计校验、配置阈值校准——这些场景不能容忍“多出 0.000000000000004 元”这种误差。
decimal.Decimal 把数字存为十进制整数 + 指数（例如 Decimal('0.1') 存的是 (1, -1)），完全规避二进制表示问题，但代价是速度慢、内存占用高、不支持 math 库大部分函数。
立即学习“Python免费学习笔记（深入）”；
- 必须用字符串初始化：
Decimal('0.1')，写成Decimal(0.1)就白搭——因为0.1传进去前已经是近似值了 - 混合运算要小心：
Decimal('0.1') + 0.2会把0.2转成近似 Decimal，建议全程用字符串构造 - 除法默认保留无限精度，可能触发
InvalidOperation，需显式设getcontext().prec = 28
怎么安全地比较两个 float 是否“相等”
用 math.isclose()，它基于相对误差 + 绝对误差双判断，比手写 abs(a - b) 更鲁棒。
关键参数：rel_tol 控制相对容差（默认 1e-09），abs_tol 控制绝对容差（默认 0.0）。当比较接近零的数时，abs_tol 必须显式设值，否则 isclose(1e-20, 0.0) 会返回 False。
- 推荐写法：
math.isclose(a, b, abs_tol=1e-10)，尤其涉及接近零的值 - 避免用
numpy.allclose()做标量比较——它专为数组设计，行为略有不同且额外依赖 numpy - 单元测试里别写
assert a == b，统一换成assert math.isclose(a, b, abs_tol=1e-10)
哪些操作会让浮点误差突然变大
不是所有运算都“温和”。有些看似简单的行为，会把微小误差放大成明显偏差，尤其在科学计算或数值算法中。
- 大数减大数：
1e16 + 1.0 - 1e16结果是0.0，不是1.0——因为1e16和1e16 + 1在 float 中无法区分 - 累加顺序影响结果：
sum([1e10, 1.0, -1e10])得0.0，但sum([1.0, 1e10, -1e10])得1.0；用math.fsum()可修复（它用部分和算法） - 用 float 当循环变量：
for x in [0.0, 0.1, 0.2, ..., 1.0]极易漏掉或重复某个值；改用range()整数驱动，再除以步长
误差本身不可怕，可怕的是把它当成精确值去分支、索引或序列化。真正难处理的，永远是那些你忘了它不精确的时刻。
