不能直接用 == 比较浮点数，因二进制无法精确表示多数十进制小数（如0.1+0.2≠0.3），应使用math.isclose()，它支持rel_tol和abs_tol容差判断，对零值需显式设abs_tol。

为什么不能直接用 == 比较浮点数

因为浮点数在计算机中以二进制近似存储，很多十进制小数（如 0.1、0.2）无法精确表示。直接用 == 判断会导致意外结果：0.1 + 0.2 == 0.3 返回 False。这不是 Python 特有，而是 IEEE 754 浮点标准的共性问题。

用 math.isclose() 是最推荐的做法

Python 3.5+ 内置的 math.isclose() 专为解决此问题设计，它同时支持相对误差和绝对误差判断，逻辑严谨且可读性强。

常见用法：

import math
<p>math.isclose(0.1 + 0.2, 0.3)           # True（默认 rel_tol=1e-09, abs_tol=0.0）
math.isclose(1e-10, 0.0, abs_tol=1e-12)  # True（必须显式设 abs_tol 才能处理接近零的数）
math.isclose(1000.0001, 1000.0002, rel_tol=1e-5)  # True（相对容差生效）

关键注意点：

立即学习“Python免费学习笔记（深入）”；

• rel_tol（相对容差）默认 1e-09，适用于非零值比较；对极小或零值无效
• abs_tol（绝对容差）默认 0.0，但只要涉及接近零的数（比如 1e-15 和 0.0），就必须显式设置，否则会误判为不等
• 两个参数都为 0.0 时，isclose() 退化为严格相等判断，失去意义

自己写容差比较时容易踩的坑

手动写 abs(a - b) 看似简单，但极易出错：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 选错容差值：用固定 1e-9 对大数（如 1e6）可能太松，对小数（如 1e-12）又太严
• 忽略零值场景：当 a 或 b 接近零时，仅靠相对误差会失效，必须引入绝对容差兜底
• 没考虑符号差异：比如 -0.0 和 0.0 在 Python 中是不同对象但数值相等，isclose() 自动处理，手写容易漏

若真要手写，应模仿 isclose 的逻辑：

def approx_equal(a, b, rel_tol=1e-09, abs_tol=0.0):
    return abs(a - b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol)

NumPy 用户请优先用 np.allclose() 而非 np.isclose()

如果你在处理数组，别误用 np.isclose() 去判断整个数组是否“近似相等”——它返回的是布尔数组，不是标量结果。

正确做法：

• 单个标量比较：仍用 math.isclose()（更轻量、无依赖）
• 两个数组整体是否近似相等：用 np.allclose(a, b)，它内部调用 np.isclose() 并做 all() 聚合
• 需要逐元素结果再加工：才用 np.isclose(a, b)，然后配合布尔索引等操作

注意 np.allclose() 默认 atol=1e-08, rtol=1e-05，比 math.isclose() 更宽松，必要时需显式传参对齐精度要求。

真正麻烦的不是“怎么写”，而是记住什么时候该用 abs_tol、什么时候该调高 rel_tol、以及 0.0 和极小正数之间的边界该怎么划——这些细节一旦漏掉，测试就可能在某次浮点累积后突然失败。