python精确计算
在python中浮点数计算是不精确的的，这是因为小数以二进制形式表示时的有穷性导致的。想要精确计算浮点数，需要调用decimal这个模块，decimal是十进制类型


decimal.Decimal(x)                                          #x可以是一个整数或字符串，但不能是浮点数



import decimal

a = decimal.Decimal(9876)

b = decimal.Deciaml(“54321.01234567898754321”)

a + b

Decimal(‘64197.012345678987654321’)



decimal.Deciaml.from_float(x);                              #x可以是一个浮点数



Deciaml.from_float(0.1)

Decimal(‘0.1000000000000000055511151231257827021181583404541015625’)




Decimal.from_float(float(‘nan’));

Decimal(‘NaN’)




Decimal.from_float(float(’-inf’));

Decimal(’-Infinity’)



Python 中的 float 类型使用C语言的 double 类型进行存储。 float 对象的值是以固定的精度（通常为 53 位）存储的二进制浮点数，由于 Python 使用 C 操作，而后者依赖于处理器中的硬件实现来执行浮点运算。 这意味着就浮点运算而言，Python 的行为类似于许多流行的语言，包括 C 和 Java。
许多可以轻松地用十进制表示的数字不能用二进制浮点表示。例如，之后:



x = 1.2



为 x 存储的值是与十进制的值 1.2 (非常接近) 的近似值，但不完全等于它。 在典型的机器上，实际存储的值是：
1.0011001100110011001100110011001100110011001100110011 (binary)

确切地说:
1.1999999999999999555910790149937383830547332763671875 (decimal)

典型的 53 位精度为 Python 浮点数提供了 15-16 位小数的精度。

js浮点数乘法是有误差的，这个问题是在很久以前一次项目计算中发现的，那么接下来就说一下如何修正这个误差。

下面直接上代码吧，简单来说就是以小数点为基准进行切割，将是浮点数的转为整数进行计算，最后再放大小数点后N倍还原正确计算结果。
=========> 比如计算 0.14*10

// 直接答案 1.4000000000000001 这显然不是我们想要的结果

function accMul(arg1, arg2) {

	let m = 0;
	const s1 = arg1.toString();
	const s2 = arg2.toString();

	if (s1.includes('.')) {
		m += s1.split('.')[1].length;
	}

	if (s2.includes('.')) {
		m += s2.split('.')[1].length;
	}

	return Number(s1.replace('.', '')) * Number(s2.replace('.', '')) / Math.pow(10, m);
}

//调用accMul accMul(0.14, 10) 得到 1.4 这才是我们想要的

eg:一个整数*一个小数出现的结果是



计算机编程语言里浮点数计算会存在精度丢失问题（或称舍入误差），其根本原因是二进制和实现位数限制有些数无法有限表示
 * 以下是十进制小数对应的二进制表示
 *      0.1 >> 0.0001 1001 1001 1001…（1001无限循环）
 *      0.2 >> 0.0011 0011 0011 0011…（0011无限循环）
 * 计算机里每种数据类型的存储是一个有限宽度，比如 JavaScript 使用 64 位存储数字类型，因此超出的会舍去。舍去的部分就是精度丢失的部分。

核心方法：实现加减乘除运算，确保不丢失精度
     * 思路：把小数放大为整数（乘），进行算术运算，再缩小为小数（除）



 

 

转载出自https://www.cnblogs.com/SuperLiangG/p/5964439.html

python浮点数计算的问题
python不建议直接将两个浮点数进行精确的计算，因为python中的浮点数计算存在一个误差问题，例如：



出现这种问题的原因是，计算机中保存数字的寄存器是使用二进制来保存数字的，有的有限十进制小数只能使用无限的二进制小数表示。

首先看一下将十进制小数转换为二进制的过程为：

将小数乘以2，取出整数部分作为二进制表示的第1位；然后再将小数部分乘以2，将得到的整数部分作为二进制表示的第2位；以此类推，直到小数部分为0。

例如【5.20-5】的结果是0.2时，使用二进制表示就是：0.0011 0011 0011…

是个无限循环小数。

而内存只会划分有限的空间来保存一个小数，所以当我们想要保存这个0.2的数字时，只会截取二进制数字中的一部分来保存，而当我们重新通过被截取的二进制数字来计算对应的十进制数字，就会产生误差。
当然不是所有浮点数计算结果都会产生这种误差，例如十进制小数0.25可以使用有限的二进制小数表示，所以当浮点数的计算结果是这些数时就不会有误差：





python如何解决浮点数计算误差


方法一：

如果你只希望浮点数精确到某个精度即可，那可以使用浮点数自带的精度计算。





方法二：

也可以使用round()函数，直接四舍五入。如果round()函数中不指定第二个参数的话，默认四舍五入到整数位，否则精度最多保存到第二个参数长度的小数位：
In [1]: 4 - 3.6
Out[1]: 0.3999999999999999

In [2]: round(4 - 3.6)
Out[2]: 0.0

In [3]: round(4-3.6,2)
Out[3]: 0.4

In [4]: round(4-3.6,5)
Out[4]: 0.4

In [5]: round(2.55555,3)
Out[5]: 2.556

In [6]: round(2.555,30)
Out[6]: 2.555



In [7]: round(2.5)  #注意这个从python3开始是向偶数看齐，即整数部分为偶数时舍弃小数部分，为奇数时进一位
Out[7]: 3.0  #python3输出为2

In [8]: round(3.5)
Out[8]: 4.0



方法三：

使用decimal模块：



注意，decimal函数中的参数是字符串。

另外Decimal的引入申明为：
from decimal import Decimal




参考：

https://blog.csdn.net/xiaodongxiexie/article/details/54933753