为什么Python中的实数比较不能直接使用等于号而要定义阈值？

浮点数比较，直接用 == 大概率会踩坑。比如经典的 0.1 + 0.2 == 0.3 返回 False，原因很简单：0.1 和 0.2 这类十进制小数在二进制中是无限循环小数，IEEE 754 双精度只能截断存储，导致 0.1 + 0.2 实际存的是 0.30000000000000004，而 0.3 是另一个近似值——两者内存表示不同，== 自然不成立。所以，math.isclose() 才是更靠谱的选择。

浮点数 == 比较为什么总返回 False

原理很直接：0.1、0.2 在二进制里是无限循环小数，IEEE 754 双精度只能存 52 位尾数，不得不截断。所以 0.1 + 0.2 实际存储的是 0.30000000000000004，而 0.3 存的是另一个近似值——内存表示不同，== 自然返回 False。这可不是 Python 的 bug，Ja va、C、Ja vaScript 全都一个样。

math.isclose() 的 rel_tol 和 abs_tol 怎么设

直接用 math.isclose(a, b) 要比自己手写 abs(a - b) < epsilon 稳妥得多，因为它同时考虑了相对误差和绝对误差。具体参数怎么设？

• rel_tol=1e-09（默认）适合数量级相近的数，比如 123.456 和 123.457 这种。
• abs_tol=1e-09（默认）必须显式设定，尤其当其中一个数接近 0 时——否则 rel_tol 在分母趋近 0 会失效，比如判断 result 是否收敛到 0.0。
• 金融场景慎用 math.isclose：它底层仍是浮点运算，建议先转整数或 Decimal 再比较。

Decimal('0.1') + Decimal('0.2') == Decimal('0.3') 为什么能成立

因为 Decimal 是十进制精确算术，不经过二进制转换。几个关键点需要注意：

• ✅ 必须用字符串初始化：Decimal('0.1') —— 这样字面量的精度被完整保留。
• ❌ 绝对不能用 float 初始化：Decimal(0.1) —— 此时 0.1 已经是二进制近似值，再包装也没用。
• ⚠️ getcontext().prec 控制的是有效数字位数，不是小数位数；多线程中要用 localcontext() 隔离，避免互相污染。

哪些场景其实可以放心用 float ==

不是所有地方都要上 Decimal 或容差判断。比如：

• 图形渲染坐标、归一化向量长度、机器学习训练中的梯度更新：硬件加速依赖 float，人眼/模型对 1e-5 级误差不敏感。
• GPS 坐标、加速度计原始读数：设备自身误差（米级、百分之一 g）远大于浮点表示误差。
• 但凡涉及金额、阈值触发、单元测试断言、收敛判断——一律禁用 ==。

真正容易被忽略的，是那些“看起来安全”的边界情况：比如用 while x != 1.0: 控制循环，一旦 x 因累加误差变成 0.9999999999999999，就卡死；或者把 float 直接塞进字典键，导致重复插入。