math.isclose比==更可靠，因为它通过相对容差和绝对容差判断浮点数是否“足够接近”，而非要求完全相等，从而规避二进制精度导致的0.1+0.2≠0.3等问题。
为什么math.isclose比==更可靠？
直接用==比较浮点数常会出错，因为二进制无法精确表示很多十进制小数（比如0.1 + 0.2结果不是0.3，而是0.30000000000000004）。math.isclose不判断“完全相等”，而是检查两个数是否落在一个可接受的误差范围内，这才是浮点比较的实际需求。
它默认使用相对容差rel_tol=1e-09和绝对容差abs_tol=0.0。当两数之差的绝对值 ≤ max(rel_tol * max(|a|, |b|), abs_tol)时，就返回True。
math.isclose的三个关键参数怎么选？
多数场景只调math.isclose(a, b)就够了，但遇到边界情况必须手动调参：
-
rel_tol：适用于非零数比较。比如比较1e6和1e6 + 1，用默认1e-09会误判为不等（差值1远大于1e-09 * 1e6 = 0.1），这时可能需要设为1e-6 -
abs_tol：必须显式设置才能安全比较接近零的数。例如math.isclose(1e-10, 0.0)默认返回False，加abs_tol=1e-9才为True - 两个容差是“或”关系，不是“且”——满足任一即判定为接近
常见错误写法和替代方案
别把math.isclose当万能解药。这些情况它帮不上忙：
立即学习“Python免费学习笔记（深入）”；
- 拿它做字典键或集合成员（
float本身不可哈希，isclose也不改变对象身份） - 在循环中反复调用却忽略性能开销（内部有
abs()、max()等计算，比==慢约5倍） - 误以为它能“修复”精度问题——它只用于判断，不能让
0.1 + 0.2变成0.3；真要精确计算请用decimal.Decimal或fractions.Fraction - 忘记导入：
import math，否则报NameError: name 'math' is not defined
什么时候该坚持用==？
整数、明确由整数运算得到的浮点数（如2.0、4.0 / 2.0）、或从int()/round()等确定性转换来的值，仍可用==。比如len([1,2,3]) == 3.0永远成立，无需isclose。
真正需要math.isclose的，是涉及除法、开方、三角函数、外部输入（如用户输入、传感器读数）或多次浮点累加后的结果。
