Go语言float64求平均值天然不可信，因二进制表示导致0.1+0.2/2=0.15000000000000002；标准库无math.Avg，加法与除法均放大误差；电商财务等场景必须用decimal库或整数分单位计算。
Go语言原生 float64 算平均值时，**无法可靠控制精度**——这不是“控不控制”的问题，而是底层二进制表示导致的固有失真。哪怕只算两个数的平均值，(0.1 + 0.2) / 2 的结果也可能是 0.15000000000000002，而非数学上的精确 0.15。
为什么 math.Avg 不存在，且 float64 平均值天然不可信？
Go 标准库根本没有 math.Avg 函数，因为平均值只是加总后除以长度，而问题全出在加法和除法两个环节：
-
float64存储0.1实际是近似值（二进制循环小数截断），累加越多，误差越不可控 - 除法（如
/ len(nums)）会进一步放大已有误差，尤其当除数不是 2 的幂时 - 业务中常见的“保留两位小数”需求，若用
math.Round(x*100)/100，可能因中间值失真导致四舍五入错误（例如2.555变成2.554999...，最终得2.55）
批量计算平均值必须用 decimal 库，而不是自己 round
电商、财务、计费等场景下，批量求平均值的正确路径只有一条：全程使用十进制高精度类型，避免任何 float64 中间态。
推荐使用 github.com/shopspring/decimal，它用整数+小数位数的方式存储数值，完全规避二进制失真：
立即学习“go语言免费学习笔记（深入）”；
- 初始化：用
decimal.NewFromFloat64(x)或更安全的decimal.NewFromInt(123).Div(decimal.NewFromInt(100))构造值 - 批量求均值：先用
Sum()累加所有decimal.Decimal，再用DivRound(total, decimal.NewFromInt(int64(len(data))), 2)指定小数位数除法 - 不要把
float64切片直接传给decimal——先转成decimal.Decimal列表，再统一运算
示例关键片段：
var decimals []decimal.Decimal
for _, f := range floatValues {
decimals = append(decimals, decimal.NewFromFloat64(f))
}
sum := decimal.Zero
for _, d := range decimals {
sum = sum.Add(d)
}
avg := sum.DivRound(decimal.NewFromInt(int64(len(decimals))), 2) // 保留2位
性能敏感场景下的折中方案：整数 cents 计算
如果批量平均值用于金额类数据（如订单均价），最高效且零误差的方式是**从源头杜绝小数**：
- 所有金额统一存为整数（单位：分），如
1999表示 19.99 元 - 求平均值时，用
int64加总，再用整数除法：totalCents / int64(len(orders))得到平均“分” - 需要展示时，再格式化为元：用
fmt.Sprintf("%.2f", float64(avgCents)/100)——注意：这仅用于显示，不参与后续计算 - 该方案无任何浮点误差、无额外依赖、GC 压力最小，适合高频批处理（如每秒万级订单均价统计）
真正难的不是“怎么算平均值”，而是决定**在哪一层放弃 float64**：一旦数据进入 float64 变量，精度就已经不可逆地丢失了。后续所有 round、format、比较，都是在补一个已经漏气的轮胎。
