出大事了！0.1 + 0.2 居然不等于 0.3，Python我再也不敢用了…

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：

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：

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：

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：

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。

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：

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：

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

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！

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～