不能直接用 == 0.0 判断双精度浮点数是否为零，因为浮点数是二进制近似表示，存在舍入误差，理论为零的结果实际可能为极小非零值，应使用 std::abs(x) < ε 判断。
为什么不能直接用 == 0.0 判断双精度浮点数是否为零
因为浮点数在计算机中是二进制近似表示，0.1 + 0.2 不等于 0.3 这类误差很常见。哪怕一个计算结果“理论上”该是零，实际可能存为 1.11e-16 或 -2.22e-17 —— 直接比较 == 0.0 会失败。
用 std::abs(x) 是最常用且可靠的方法
核心思路：不问“是不是零”，而问“离零够不够近”。关键在于选对 epsilon 值：
-
epsilon不是固定常量（比如1e-9），要根据你的计算场景和数值量级调整 - 如果
x可能很大（如1e6），用绝对误差容易误判；若x很小（如1e-20），固定epsilon又可能太松 - 标准库提供
std::numeric_limits<double>::epsilon()</double>，但它是1.0附近的最小可表示差值（约2.22e-16），**不能直接用于零判断**
推荐写法：
double x = /* ... */;
const double eps = 1e-12; // 根据业务精度要求设，比如坐标运算常用 1e-9，物理仿真可能要 1e-15
if (std::abs(x) < eps) {
// 视为零
}什么时候该用相对误差或混合误差
当变量本身数量级变化大（比如从 1e-5 到 1e8），单靠绝对误差不够鲁棒：
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
立即学习“C++免费学习笔记（深入）”；
- 相对误差判断：
std::abs(x) （适用于与某个参考值 <code>y比较） - 混合误差（推荐用于通用零判断）：
std::abs(x) ，等价于 <code>std::abs(x) - 更稳妥的工业级写法（如 Eigen 库采用）：
std::abs(x) ，避免 <code>x极小时分母坍缩
注意 std::isnan() 和 std::isinf() 必须前置检查
如果 x 是 NaN 或无穷大，std::abs(x) 永远为 <code>false，但你可能没意识到它根本不是普通数：
-
NaN与任何数（包括自身）比较都返回false，所以std::abs(NAN) 是 <code>false，但你不该把它当作“非零”处理 - 建议逻辑顺序：先
if (std::isnan(x) || std::isinf(x)) { /* 处理异常 */ }，再做零判断 - 某些场景下，你甚至需要把
NaN显式视为“无效零”或触发断言
真正麻烦的不是怎么写判断，而是忘记浮点数不是数学实数——它有状态（normal / subnormal / inf / nan），而零判断只是其中一环。
