那天晚上，我差点以为自己疯了
那天晚上，我写代码写得脑壳有点疼，想偷懒搞点简单的练手题，就随手在Python里敲了一句：
python
print(0.1 + 0.2 == 0.3)本来想着随便跑一下，顺便热热键盘。
结果------False？？？
我一瞬间怀疑人生：我小学数学白学了吗？？0.1 + 0.2 还能不等于 0.3？
我愣住了几秒，脑子一边在拼命回忆《十万个为什么》，一边在疯狂怀疑是不是键盘出问题了。
这不是bug，这是浮点数的"老毛病"💣
如果你以前没遇到过这个问题，别慌，其实不是 Python 坏掉了，而是所有编程语言（几乎）都有这个毛病，根源在于：
💡 浮点数在计算机中没法完美表示，尤其是像 0.1、0.2 这种"小数点后看着很乖"的家伙。
来，我举个简单例子，展示一下到底发生了什么：
python
print(0.1 + 0.2) # 输出：0.30000000000000004对，你没看错，0.1 + 0.2 实际结果是 0.30000000000000004。
想象一下：
你在某宝下单买两样小商品，一个 0.1 元、一个 0.2 元，按理说总价 0.3 元对吧？结果系统后台一算，说你这笔订单金额不合法，直接拦住了。你一脸懵，客服也搞不清楚，最后发现居然是浮点数精度在搞鬼。
听起来很荒谬，但真相就是这么魔幻。
真相大白：0.1 是个"在二进制里没法好好存"的数字
我们得稍微来点底层知识，不难理解：
0.1、0.2 这些十进制小数，其实在 二进制里是无限循环小数，就像十进制里 1/3 是 0.33333...
计算机又不能真存"无限多位"，只能找个差不多的近似值存起来。
于是就出事了：
你以为你存的是 0.1，实际上你存的是个近似值，大概长这样：
python
0.1 实际是：0.10000000000000000555...
0.2 实际是：0.20000000000000001110...
加起来就变成了：0.3000000000000000444...那你再拿这玩意和"你心目中正儿八经的0.3"一比：
python
0.3 实际是：0.29999999999999998889...嘿嘿，差了几微粒，Python 一看，嗯你俩不一样，直接给你判 False。
那为啥 1.1 + 1.2 == 2.3 就没问题？
这个就很有趣了。
python
print(1.1 + 1.2 == 2.3) # True很多人看到这段会更困惑：这不双标嘛？
其实不是双标，是因为 1.1 + 1.2 的浮点误差比较小，结果正好和 2.3 的误差差不多方向，Python 一看俩都歪一点，但歪得方向一致，那就算你俩对得上。
你可以理解为：
它们都走偏了，但刚好走偏的路数对上了，大家都往右边歪了一点，于是"装模作样"地对上号了。
真正致命的是：这误差可能影响你的业务逻辑！💥
比如你在做支付判断：
python
price = 0.1 + 0.2
if price == 0.3:
print("支付成功！")
else:
print("金额异常，支付失败！")你以为你写得挺靠谱，结果用户一付款，系统说金额对不上？
一脸懵逼的客服+崩溃的开发+火冒三丈的用户 = 灾难现场。
那到底哪些数字容易出问题？我该怎么防？
说到底，咱们想知道的无非就是：
👉 哪些数字得小心？
👉 哪些场景最容易翻车？
👉 怎么避免这个坑？
别急，花姐给你梳理一张清单：
哪些数字是"雷区"？🔥
| 数字类型 | 是否安全 |
|---|---|
| 0.1、0.2、0.3 | ❌ 极容易出问题 |
| 0.5、0.25、0.75 | ✅ 安全（2 的幂次组合） |
| 整数 | ✅ 完美无瑕 |
| 连续累加浮点数 | ❌ 极易误差累积 |
如果你还是一脸懵逼，不妨把他们改成二进制试试 举例说明一下👇
| 十进制 | 二进制表示 | 是否安全 |
|---|---|---|
| 0.5 | 0.1 | ✅ |
| 0.25 | 0.01 | ✅ |
| 0.75 | 0.11 | ✅ |
| 0.1 | 0.0001100110011...(无限循环) | ❌ |
你容易翻车的实际场景：
| 场景 | 风险点 | 推荐方案 |
|---|---|---|
| 电商金额判断 | 误差导致金额不符 | 用 Decimal |
| 金融计算（利息、年化收益） | 误差积累 | Decimal + round |
| 科学计算归一化 | 误差放大结果偏离 | 用 numpy + isclose |
| 游戏角色坐标 | 坐标抖动错位 | 尽量用整数坐标 |
正确姿势来了✅
1. 用 Decimal 精准搞定金额：
python
from decimal import Decimal
a = Decimal('0.1')
b = Decimal('0.2')
c = Decimal('0.3')
print(a + b == c) # True字符串传入，完全避免浮点存储误差。
2. 判断浮点是否"足够接近"：math.isclose
python
import math
print(math.isclose(0.1 + 0.2, 0.3)) # True这个判断方式才是靠谱的 float 比较方式！
3. 千万别这样比！
python
if a + b == 0.3: # ❌ 一定不要这么比最后说一句
说到底，浮点数的锅，不是Python独有的锅，Java、C++、JavaScript 甚至 Excel 都中这个招。
你不能不信它，但也不能完全信它。
当我们知道它的脾气，就能少踩很多坑。
结尾
就像我写这篇文章的时候，原本只是想分享个"0.1+0.2 != 0.3"的小知识，结果越写越上头，写着写着，我都想写本《浮点数的秘密往事》了......
顺手点赞+在看就是对花姐最大的支持❤️！ 关注我，带你少踩十年坑，我们下篇见～