Python中的浮点数采用IEEE 754双精度格式存储，很多十进制小数无法用有限二进制位精确表达，从而在运算中产生微小偏差。这类问题在科学计算影响不大，但在交易、计费、统计等场景可能累积成严重错误。理解其成因并选用合适的处理策略，是写出健壮数值程序的基础。
一、浮点数精度问题的底层原理
计算机使用二进制存储数据，而像0.1这样的十进制小数在二进制下是无限循环小数。Python的float类型只有53位尾数，只能截断或舍入保存，因此实际值是近似的。当我们写0.1 + 0.2时，两个近似值相加后再舍入，结果自然偏离了数学上的0.3。
这种误差不是Python的缺陷，而是所有遵循IEEE 754语言的共性。如下代码能直观看到问题：
# 观察浮点加法偏差 a = 0.1 b = 0.2 print(a + b) # 输出 0.30000000000000004 print(a + b == 0.3) # 输出 False
如果直接拿等号判断，逻辑就会出错。因此在比较浮点数时，通常要允许一个极小的容差，或者改用精确数值类型。
二、使用round与math.isclose的浅层应对
对于只关心显示或宽松比较的场景，内置round函数可以快速截断多余小数位。但round使用的是银行家舍入法，且仍返回float，无法根除误差，只适合非严格计算。
在判断两个浮点数是否相等时，标准库math.isclose通过相对和绝对容差比较，比直接写等号安全得多。下面示例展示基础用法：
import math x = 0.1 + 0.2 y = 0.3 # 直接比较会失败 print(x == y) # False # 使用容差比较 print(math.isclose(x, y)) # True # 控制显示位数 print(round(x, 2)) # 0.3
这种方式的优势是改动小、性能好，不需要引入新类型。缺点是底层仍是近似存储，多次运算后误差可能超出容差范围，不适合开发票或利息计算。
三、decimal模块实现精确十进制运算
当业务要求分毫不差时，应使用decimal模块。它用十进制数位直接表示数值，并允许设置全局或局部精度。通过getcontext().prec可指定有效位数，所有运算都按设定精度进行。
下面演示用decimal处理金额加总的完整例子，注意要先用字符串构造Decimal，避免float先引入误差：
from decimal import Decimal, getcontext
# 设置上下文精度为10位有效数字
getcontext().prec = 10
price1 = Decimal('0.1')
price2 = Decimal('0.2')
total = price1 + price2
print(total) # 0.3
print(total == Decimal('0.3')) # True
# 乘法与舍入控制
tax = total * Decimal('1.08')
print(tax.quantize(Decimal('0.01'))) # 按分舍入
decimal的代价是运算速度慢于原生float，且代码稍显繁琐。但在计费、汇率、权重等场景，这种可预测的精度远胜于性能微损。建议将涉及钱的字段统一用Decimal封装，并在入口处从字符串或整数转换。
四、以整数最小单位规避小数
另一个工程上极简的策略是：把元转成分，用int存储与计算，只在展示时除以100。这样完全绕开小数，也不会有任何舍入异常。
示例展示订单金额用分累计的做法：
# 以分为单位，类型为int
item1_cent = 10 # 0.10元
item2_cent = 20 # 0.20元
total_cent = item1_cent + item2_cent
# 展示时转换
print(f'合计 {total_cent / 100:.2f} 元') # 合计 0.30 元
该方法逻辑最清晰，也不依赖额外库。局限在于要约定好单位，且在涉及非十进制比率（如税率百分比）时仍需配合Decimal做最终换算。
五、策略选型建议
面对不同需求，可参考以下对照表快速决策：
| 场景 | 推荐方案 | 原因 |
|---|---|---|
| 图形、物理量近似计算 | float + isclose | 性能高，误差可接受 |
| 金融、税费、对账 | decimal模块 | 十进制精确，可控舍入 |
| 简单计数、固定单位 | 整数最小单位 | 零误差，易审计 |
实际项目中，可以在工具层统一封装转换函数，让业务代码无需感知底层类型。只要从数据入口就杜绝float承载金额，精度问题基本可控。
六、常见误区提醒
有人试图用round(x, 10)来彻底解决误差，但round返回的依然是float，只是隐藏了尾部数字，比较时仍可能不相等。还有人用格式化字符串再转回float做判断，这会把字符串误差重新带回来。
正确思路是先选对类型，再谈格式化。展示层和计算层应当分离：计算用Decimal或int，展示用字符串格式化，互不污染。
精度问题的核心不是Python算错了，而是二进制无法忠实表达某些十进制小数。选对工具，才能让结果既快又准。