一個關於浮點數運算須要注意的地方

1 a = 4.2
2 b = 2.1
3 
4 a + b
5 
6 (a + b) == 6.3 

　　浮點數存在的一個問題，不能精確的表示十進制數。這是因爲底層 CPU 和  IEEE 754 標準經過本身的浮點單位去執行算術時的特徵。看似有窮的小數, 在計算機的二進制表示裏倒是無窮的。其實這不是Python的問題，而是實數的無限精度跟計算機的有限內存之間的矛盾。

　　舉個例子，假如說我只能使用整數(即只精確到個位，計算機內的浮點數也只有有限精度，以C語言中的雙精度浮點數double爲例，精度爲52個二進制位)，要表示任意實數(無限精度)的時候我就只能經過舍入(rounding)來近似表示。

　　好比1.2我會表示成1，2.4表示成2，3.6表示成4.

　　因此呢?

　　在算1.2 - 1.2的時候，因爲計算機表示的問題，我算的其實是1 - 1，結果是0，碰巧蒙對了;

　　在算1.2 + 1.2 - 2.4的時候，因爲計算機表示的問題，我算的其實是1 + 1 - 2，結果是0，再次蒙對了;

　　可是在算1.2 + 1.2 + 1.2 - 3.6的時候，因爲計算機表示的問題，我算的其實是1 + 1 + 1 - 4，結果是-1，運氣沒那麼好啦!

　　這裏的1.2, 2.4, 3.6就至關於你問題裏的0.1, 0.2和0.3，1, 2, 4則是真正在計算機內部進行運算的數值，我說清楚了嗎?

　　另：不單單是浮點數的在計算機內部的表示有偏差，運算自己也可能會有偏差。好比整數2能夠在計算機內準確表示，可是要算根號2就有偏差了;再好比兩個浮點數相除，原本兩個數都是精確表示的，但除的結果精度卻超出了計算機內實數的表示範圍，而後就有偏差了。

　　通常狀況下，這一點點的小偏差是容許存在的。若是不能容忍這種偏差(好比金融領域)，那麼就要考慮用一些途徑來解決這個問題了。

　　使用Decimal模塊就能夠解決這個問題。

1 from decimal import Decimal
2 a = Decimal('4.2')
3 b = Decimal('2.1')
4 a + b
5 
6 print(a + b)
7 
8 (a + b) == Decimal('6.3')

　　

　　儘管代碼看起來比較奇怪，使用字符串來表示數字，可是 Decimal 支持全部經常使用的數學運算。總的來講，當涉及金融領域時，哪怕是一點小小的偏差在計算過程當中都是不容許的。所以 decimal 模塊爲解決這類問題提供了方法。