我对这种减法和求和的工作方式有点困惑：
A = 5
B = 0.1
C = A+B-A
我发现答案是 0.0999999999999999645。为什么答案不是 0.1？
【问题讨论】：
标签： python
这是因为所谓的 epsilon 值。这意味着从x 到x+E，每个浮点数都被认为等于x。
您可以在this Q&A 中阅读有关此值的信息
在python中这个epsilon值（E）取决于数字的大小，你总是可以从numpy.spacing(x)得到它
【讨论】：
0.0 附近的许多浮点数都是一样的。 大多数其他浮点数不同。您需要将指数与尾数的 lsb 结合起来以找到特定数字的 epsilon。
x 的不同值尝试np.spacing(x)，您会看到它与x 成正比。如果您需要更多说明，而您已经在这里找不到答案，您应该打开一个新问题。
计算机使用“二进制数”来存储信息。整数可以精确存储，但小数通常存储为“浮点数”。
有些数字很容易以 10 为基数写入，但无法以二进制浮点格式精确表示，0.1 就是其中之一。
可以准确地存储数字，并准确地使用数字。例如，数字 0.1 可以存储为1 / 10，即存储为分子 (1) 和分母 (10)，理解为分子除以分母。然后一个正确编写的数学库可以处理这些分数并为你做数学。但它比仅仅使用浮点数要慢得多，所以它并不经常使用。 （而且我认为在银行业务中，他们通常只使用整数而不是浮点来存储货币；1.23 美元可以存储为数字 123，隐含两位小数。在处理货币时，浮点数不够精确！ )
【讨论】：
您看到了浮点运算的人工制品，它没有无限精度。请参阅this article，了解有关 FP 数学如何工作以及为什么会出现舍入错误的完整说明。
【讨论】：
这是一个浮点舍入错误。 Python 网站有一个非常好的tutorial on floating point numbers，它解释了这是什么以及为什么会发生。
如果你想要一个准确的结果，你可以：
格式化您的结果以显示设定的小数位数（这不能解决舍入错误）：
print "%.2f"%C
我还建议阅读 Brian 的回答中的“What Every Computer Scientist Should Know About Floating-Point Arithmetic”。
【讨论】：
为什么答案不是 0.1？
浮点数不够精确，无法得到答案。但是，圣牛是它曾经接近过！
我建议你阅读“What Every Computer Scientist Should Know About Floating-Point Arithmetic”
【讨论】：