在Python编程中，很多开发者都遇到过0.1加0.2的结果不等于0.3的情况，这其实是浮点数在计算机中存储和计算的特性导致的，并非Python语言本身的问题。理解这个现象的原因，掌握正确的浮点数比较方法，是编写可靠数值计算代码的基础。
浮点数比较出现偏差的原因
计算机底层采用二进制存储数据，而十进制的0.1和0.2转换为二进制时是无限循环小数，无法被精确表示。Python的浮点数遵循IEEE 754双精度标准，存储时会对这些无限循环小数进行截断，因此会产生微小的精度误差。
我们可以通过打印0.1加0.2的实际结果来验证这个误差：
# 打印0.1+0.2的实际值 result = 0.1 + 0.2 print(result) # 输出0.30000000000000004
可以看到实际结果比0.3稍微大一点，因此直接判断0.1 + 0.2 == 0.3会返回False。这种误差在单步运算中很小，但如果进行大量累加运算，误差会逐渐放大，影响最终结果的准确性。
错误的浮点数比较方式
很多新手会直接使用等于号比较两个浮点数是否相等，这种方式在存在精度误差的场景下完全不可靠。比如下面的代码就会得到不符合预期的结果：
# 错误的比较方式 a = 0.1 + 0.2 b = 0.3 print(a == b) # 输出False
即使两个浮点数在数学上完全相等，只要它们的二进制存储有微小差异，直接比较就会返回False，因此这种比较方式在实际开发中要避免使用。
正确的浮点数比较做法
1. 使用误差容忍度比较
最常用的方法是对比两个浮点数的差的绝对值是否小于一个极小的阈值，这个阈值通常称为误差容忍度，一般设置为1e-9或者根据实际业务需求调整。
# 使用误差容忍度比较
def float_equal(a, b, tolerance=1e-9):
return abs(a - b) < tolerance
a = 0.1 + 0.2
b = 0.3
print(float_equal(a, b)) # 输出True
这种方式的优点是灵活，可以根据不同的精度需求调整容忍度的大小，适合大多数普通数值比较场景。
2. 使用math模块的isclose函数
Python3.5及以上版本的math模块提供了isclose函数，专门用来比较两个浮点数是否接近，它内部已经实现了合理的误差判断逻辑，使用起来更方便。
import math a = 0.1 + 0.2 b = 0.3 # 默认的相对和绝对容忍度已经能满足大部分场景 print(math.isclose(a, b)) # 输出True # 也可以自定义容忍度参数 print(math.isclose(a, b, rel_tol=1e-9, abs_tol=1e-10)) # 输出True
isclose函数有两个核心参数，rel_tol是相对容忍度，默认是1e-9，abs_tol是绝对容忍度，默认是0.0，开发者可以根据实际需求调整这两个参数。
3. 使用decimal模块进行精确计算
如果需要进行高精度的十进制运算，比如金融计算场景，可以使用Python内置的decimal模块，它能完全避免二进制转换带来的精度误差。
from decimal import Decimal
# 使用Decimal类型进行计算
a = Decimal('0.1') + Decimal('0.2')
b = Decimal('0.3')
print(a == b) # 输出True
print(float(a)) # 输出0.3
需要注意的是，使用decimal模块时，数值要以字符串形式传入构造器，不要直接传入浮点数，否则会先把浮点数的误差带入Decimal对象中，失去精确计算的意义。
不同场景的选择建议
如果是普通的数值比较，优先使用math.isclose函数，它已经封装了成熟的比较逻辑，不需要自己处理阈值问题。如果是金融、 scientific计算等对精度要求极高的场景，建议使用decimal模块进行运算和比较。如果是简单的临时验证，也可以使用误差容忍度的方式，但要注意阈值设置合理，避免过大或过小导致判断错误。
总之，在Python中处理浮点数比较时，永远不要直接使用等于号判断，要根据实际场景选择合适的比较方式，才能保证代码的逻辑正确性。
Python浮点数比较0.1+0.2decimal模块math_isclose修改时间：2026-06-22 15:15:46