在Python编程环境中，输入0.1+0.2，输出不是0.3，计算机返回的是0.30000000000000004这个神奇的数字，在不同语言中反复求证，几乎都会得到相同的答案。
IEEE二进制浮点数算术标准（IEEE 754）是20世纪80年代以来最广泛使用的浮点数运算标准，为许多CPU与浮点运算器所采用。这个标准定义了表示浮点数的格式（包括负零-0）与反常值（denormal number）），一些特殊数值（无穷（Inf）与非数值（NaN）），以及这些数值的“浮点数运算符”；它也指明了四种数值舍入规则和五种例外状况（包括例外发生的时机与处理方式）。
IEEE 754规定了四种表示浮点数值的方式：单精确度（32位）、双精确度（64位）、延伸单精确度（43比特以上，很少使用）与延伸双精确度（79比特以上，通常以80位实现）。只有32位模式有强制要求，其他都是选择性的。大部分编程语言都有提供IEEE浮点数格式与算术，但有些将其列为非必需的。例如，IEEE 754问世之前就有的C语言，有包括IEEE算术，但不算作强制要求（C语言的float通常是指IEEE单精确度，而double是指双精确度）。
即IEEE-754定义了浮点数的格式、存储和运算，与现在的科学计数法如出一辙，例如光速299792458可以写作3.0*10^8，
三、问题原因十进制中小数的表示方法如下： 
比如0.1就是1个
1
10
\frac{1}{10}
101
二进制中小数的表示方法如下： 
比如0.5就是1个
1
2
\frac{1}{2}
21，但是二进制中没有
1
10
\frac{1}{10}
101。
实际上， 1 10 \frac{1}{10} 101在二进制中被写作0.000110011001100110011…，那么问题来了，计算机无法存储无限循环小数，float浮点数只有23个有效数字，因此23位之后的小数就被截断了，实际上计算机存储的浮点数与0.1十分相似，但并不完全相等，实际存储的是0.100000001490116119384765625，换句话说，计算机在表示0.1的时候就丢失了精度。
二进制中的这种现象在十进制中并不罕见。如十进制中的 1 3 \frac{1}{3} 31如果用小数表示，则为0.333333333，这时就丢失了精度，如果计算 1 3 + 1 3 + 1 3 \frac{1}{3}+\frac{1}{3}+\frac{1}{3} 31+31+31，求出的结果与1接近，但是并不等于1。
四、解决方案在现代编程语言中都会提供一种特殊的数据类型decimal（十进制定点数）专门用来表示任意精度的十进制数，用它进行运算不会产生任何精度的问题。
from decimal import Decimal
Decimal('0.1')+Decimal('0.2')
输出结果： 0.3
ok，以上便是本文的全部内容了，如果对你有所帮助，记得点个赞哟~
