当前位置:首页 > 文章列表 > 文章 > python教程 > Python Fraction 从浮点数构造为什么得到很长分数

Python Fraction 从浮点数构造为什么得到很长分数

来源:17golang原创 2026-09-14 12:53:20 0浏览 收藏

看到 Fraction(1.1) 变成很长的分子和分母,不是 Fraction 算错了,而是它忠实地还原了 Python float 中已经存在的二进制近似值。若业务想表达“十进制的一点一”,应传入字符串、Decimal,或直接给出分子和分母;若只是想找一个分母受限的可读近似,再使用 limit_denominator()

官方文档:https://docs.python.org/3/library/fractions.html

要点速览
  • Fraction(float) 保存的是该浮点值的精确有理数,不是人眼看到的十进制字面量。
  • Fraction('1.1')Fraction(Decimal('1.1')) 才是在表达十进制输入。
  • limit_denominator(max_denominator) 会返回受分母上限约束的近似值,结果不再等同于原始浮点值。

长分数从哪里来:float 保存的不是“1.1”

十进制的 1.1 通常不能用有限位的二进制小数精确表示。Python 先把字面量存成一个最接近的 float,再把这个已经确定的二进制值交给 Fraction。因此,构造器得到的是“这个 float 的精确分数”,而不是重新猜测原始文本。

from fractions import Fraction
from decimal import Decimal

# 三种输入对应三种语义:浮点实际值、十进制文本、十进制对象
cases = [
    ("float", Fraction(1.1)),
    ("text", Fraction("1.1")),
    ("decimal", Fraction(Decimal("1.1"))),
]

for label, value in cases:
    # str() 便于观察分子/分母,而不是依赖对象的展示格式
    print(label, value.numerator, value.denominator)

对照时,Fraction(1.1) 会出现很大的分子和分母;后两种都能得到 11/10。这个差异说明的是输入语义,不是精度参数没有生效。

Python Fraction float 二进制近似与精确有理数之间的静态关系示意图
图1:Python Fraction 接收 float 时,浮点实际值与精确有理数之间的关系示意图。

先确定目标:要还原实际值,还是表达十进制意图

在日志、科学计算或协议解码中,你可能确实需要还原某个 float 的精确值;这时长分数是有意义的。在金额、比例配置和用户输入中,通常关心的是十进制意图,应该在进入 float 之前保留文本或使用 Decimal

写法表达的含义适合场景
Fraction(x)还原 x 这个 float 的精确值分析浮点误差、还原计算结果
Fraction("1.1")按十进制文本构造配置、表单、CSV 等文本输入
Fraction(Decimal("1.1"))保留 Decimal 表达的十进制值金额和需要十进制语义的计算
Fraction(11, 10)明确指定数学上的分数规则常量、比例和测试数据

如果输入已经是 float,再用字符串格式化把它变回文本,无法恢复最初用户写下的十进制意图。那只是对当前浮点值做了一次新的舍入,应把原始文本或 Decimal 留在更早的边界。

Python Fraction 字符串 Decimal 整数分子分母和 limit_denominator 的选型关系示意图
图2:按输入来源和精度目标选择 Fraction 构造方式的静态关系示意图。

什么时候用 limit_denominator:可读近似不是精确还原

limit_denominator() 适合把浮点计算结果转换成一个分母有上限的近似分数,例如从圆周率近似值中找出 355/113。它返回的是距离当前分数最近、且分母不超过上限的候选;上限越小,可读性通常越好,但近似误差可能增大。

from fractions import Fraction
from math import pi

# 这里明确要求分母不超过 1000,结果用于展示而不是替换原始值
approx = Fraction(pi).limit_denominator(1000)
print(approx)  # 355/113

不要把这一步当成“修复”Fraction(1.1) 的证据。若业务规则就是 11/10,直接使用文本、DecimalFraction(11, 10) 更清楚;若业务需要可复现的近似,则把分母上限写进规则和测试。

把构造方式固定在输入边界

一个实用原则是:在数据刚进入程序时决定精度语义。JSON、表单和配置文件里的数字若代表十进制业务量,可以先按字符串读取再构造 Fraction;算法已经产出 float 时,不要假装它仍保留原始十进制信息。测试中同时覆盖 Fraction(1.1)Fraction("1.1"),能很快暴露输入边界被隐式转换的问题。

最终判断可以压缩成一句话:想知道 float 实际存了什么,用 Fraction(float_value);想表达用户输入的十进制,用字符串或 Decimal;想得到分母受限的可读答案,用 limit_denominator(),并把“近似”明确写出来。

常见问题

Fraction(1.1) 是不是精度丢失?

十进制到二进制浮点的转换可能已经产生近似,但 Fraction 没有再次丢失;它精确表示了当前 float 的值。

为什么 Fraction("1.1") 能得到 11/10

字符串由 Fraction 按十进制形式解析,输入中没有先经过二进制 float。

金额场景只用 Fraction 可以吗?

可以,但要先确定金额的十进制规则;若系统已有 Decimal 流程,直接从 Decimal 构造通常更容易保持边界一致。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go httputil.ReverseProxy 修改请求目标时如何保留原始 HostGo httputil.ReverseProxy 修改请求目标时如何保留原始 Host
上一篇
Go httputil.ReverseProxy 修改请求目标时如何保留原始 Host
Go filepath.Rel 处理绝对路径和相对路径如何统一
下一篇
Go filepath.Rel 处理绝对路径和相对路径如何统一
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    21次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    125次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    49次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    18次使用
  • OpenCompass大模型评测体系详解:功能、使用指南与应用场景
    OpenCompass
    OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
    71次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码