【Python基础篇】【6.数据类型 - 浮点型 float 】十进制、科学计数法、浮点型精度性问题

浮点型 float

• Python 浮点型数值用于保存带小数点的数值。Python 的浮点数有两种表示形式，即十进制形式和科学计数法形式。
• 浮点数类型在科学计算、数据分析等领域中具有重要的作用。
• 浮点数广泛用于科学计算、工程、金融、数据分析等领域，Python 提供了众多库和工具，如 NumPy、SciPy 和 Pandas，用于处理和分析大量浮点数数据。

十进制

Python 最常见的浮点型数就是十进制形式的浮点型数。Python 中的浮点型数，必须带一个小数点，不然会被当成整型处理。

# 定义十进制正浮点型数
foo = 256.12
print(foo)  # 256.12

# 定义十进制负浮点型数
bar = -128.2987
print(bar)  # -128.2987

首先，定义了一个浮点型 变量 为 foo，并给其赋值为正浮点型数 256.12。接着，再定义了一个浮点型变量为 bar，并给其赋值为负浮点型数 -128.2987。

---

科学计数法

浮点型的科学计数法的表现形式是使用 e 或者 E 做为底数。底数 e 或者 E 后面的数字，表示的是 10 的多少次方。

# 定义科学计数法表示的正浮点型数
foo = 256.124e2
print(foo)  # 25612.4  # e点2次方,小数点后移动2位

# 定义科学计数法表示的负浮点型数
bar = -128.2987E4
print(bar)  # -1282987.0 # e点4次方,小数点后移动4位

首先，定义了一个使用底数 e 的正浮点型变量。接着，再次定义了一个底数为 E 的负浮点型变量。

---

浮点型精度性问题和解决方法

浮点数在计算机中以二进制形式存储，由于二进制无法准确表示某些十进制小数，可能会导致浮点数的精确性问题。为解决这个问题，Python 提供了 decimal 模块，用于高精度的十进制计算。

num1 = 0.1
num2 = 0.2
result = num1 + num2
print(result)  # 输出结果为 0.30000000000000004

在上述示例中，期望的结果是 0.3，但实际上，由于浮点数的存储方式是二进制，在进行计算时可能会引入一些微小的误差。因此，最终的计算结果会略微偏离预期的精确值。

这是由于计算机内部的二进制表示方式导致的问题，其中某些十进制小数无法完全准确地表示为二进制小数。这种误差通常被称为浮点数舍入误差（rounding error）。

为了解决这个问题，可以使用 decimal 模块中的 Decimal 类进行高精度的十进制计算，以避免浮点数的精度问题。下面是使用 Decimal 类解决精度问题的示例：

from decimal import Decimal

num1 = Decimal('0.1')
num2 = Decimal('0.2')
result = num1 + num2
print(result)  # 输出结果为 0.3

通过将数值以字符串形式传递给 Decimal 类来创建精确的十进制数对象。使用 Decimal 类进行计算时，可以得到预期的精确结果。

通过以上示例，可以看到浮点数存在精度问题，但使用 decimal 模块中的 Decimal 类可以提供高精度的计算，避免了浮点数的舍入误差。