Python中如何判断两个浮点数是否接近

在Python中比较浮点数是否“相等”时，直接使用 `==` 或手动计算 `abs(a - b)

直接用 math.isclose()，别自己写 a == b 或算差值阈值——它专为浮点数比较设计，处理了精度、次正规数和边界情况。

为什么不能直接用 == 比较浮点数

浮点数在二进制中无法精确表示大多数十进制小数（比如 0.1 + 0.2 实际是 0.30000000000000004），直接 == 判断几乎必然出错。手写 abs(a - b) 看似简单，但会漏掉大数场景（如 1e20 和 1e20 + 1 差值远超 1e-9 却仍应视为“相等”）。

常见错误现象：0.1 + 0.2 == 0.3 返回 False；1.0000000000000002 == 1.0 返回 False，但业务上它们就是同一个值。

• 根本原因是 IEEE 754 浮点表示存在固有舍入误差
• math.isclose() 同时考虑相对误差和绝对误差，自动适配大小数量级
• 它还显式处理了 nan、inf 等特殊值（比如 isclose(nan, nan) 默认返回 False，符合 IEEE 标准）

math.isclose() 的两个关键参数怎么选

rel_tol（相对容差）和 abs_tol（绝对容差）共同决定“足够接近”的标准。默认值 rel_tol=1e-09、abs_tol=0.0 适合多数科学计算，但实际需按场景调整：

• 普通数值计算（如物理模拟、财务四舍五入后比对）：保持默认或略放宽 rel_tol=1e-06
• 涉及接近零的数（如 1e-10 和 2e-10）：必须设 abs_tol，例如 abs_tol=1e-12，否则相对容差失效
• 高精度需求（如密码学中间值校验）：缩小 rel_tol 到 1e-15，并确认硬件支持双精度
• 注意：当 a 和 b 都为零时，只依赖 abs_tol 判断

示例：

import math
math.isclose(1.0000001, 1.0000002, rel_tol=1e-6)  # True
math.isclose(1e-10, 2e-10, abs_tol=1e-11)         # False
math.isclose(1e-10, 2e-10, abs_tol=2e-10)         # True

容易被忽略的边界行为

math.isclose() 对特殊浮点值的处理很严格，不按直觉走：

• math.isclose(float('nan'), float('nan')) 默认返回 False（除非显式传 nan_ok=True）
• math.isclose(float('inf'), float('inf')) 返回 True；但 math.isclose(float('inf'), 1e308) 是 False
• 如果任一参数是非数字类型（如字符串、None），抛出 TypeError，不会静默失败
• 性能上无明显开销，但频繁调用时避免重复传参（如固定容差可封装成局部函数）

示例：

math.isclose(float('nan'), float('nan'))           # False
math.isclose(float('nan'), float('nan'), nan_ok=True)  # True
math.isclose(1.0, float('inf'))  # False

真正麻烦的是混合精度场景——比如一个值来自 numpy.float32 计算，另一个是 Python 原生 float（即 float64）。此时 rel_tol 应按较低精度（1e-6 左右）设，否则可能误判。别指望函数自动感知 dtype。

今天关于《Python中如何判断两个浮点数是否接近》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！