python浮点型精度损失问题_解决float型数据精度损失问题

问题：浮点型数据存储方式会导致数据精度损失，增大计算误差。

float fval = 0.45;　　// 单步调试发现其真实值为：0.449999988

double dval = 0.45;　// 单步调试发现其真实值为：0.45000000000000001

当很多个这样的单精度浮点型数据进行运算时，就会有累积误差，使得运算结果达不到理想的结果。尤其是对那种需要判断相等的情况(浮点型数据判断相等会有误差)。

因此我们可以通过把浮点型数据放大1e6倍，把它赋给一个整型变量，把得到的结果再除以1e6，就会使精度损失降到最低。

float a = 0.45;　　　　// 0.449999988double b = 0.45;int c = 1e6 *b;　　　 // 450000double d1 = 2 *a;　　 // 0.89999997615814209int d = 2 *c;　　　　 // 900000double d2 = d / 1e6; // 0.90000000000000002, 推荐方式

double d3 = 2 * 0.45; // 0.90000000000000002

下面是浮点型数据存储方式，转自：https://www.cnblogs.com/wuyuan2011woaini/p/4105765.html

C语言和 C#语言中，对于浮点型的数据采用单精度类型(float)和双精度类型(double)来存储：

float 数据占用 32bit；

double 数据占用 64bit；

我们在声明一个变量 float f = 2.25f 的时候，是如何分配内存的呢？

其实不论是 float 类型还是 double 类型，在存储方式上都是遵从IEEE的规范：

float 遵从的是 IEEE R32.24；

double 遵从的是 IEEE R64.53；

单精度或双精度在存储中，都分为三个部分：

符号位(Sign)：0代表