$amp>amp>amp$gtimport sys
$amp>amp>amp$gtsys.float_info
sys.floatinfo(max=1.7976931348623157e+308, max_exp=1024, max_10_exp=308, min=2.2250738585072014e-308, min_exp=-1021, min_10_exp=-307, dig=15, mant_dig=53, epsilon=2.2204460492503131e-16, radix=2, rounds=1)
$amp>amp>amp>amp$nbsp
Python中的浮点数原理与运算分析本文实例讲述了Python中的浮点数原理与运算。分享给大家供大家参考，具体如下：
先看一个违反直觉的例子：
>>>s = 0.
>>>for i in range(10): s += .1
>>>s
0.9999999999999999
# 错误被累加
再看一个更为普遍，直接影响判断逻辑的例子：
>>>from math import sqrt
>>>a = sqrt(2)
>>>a*a == a
False
之所以会出现以上的结果，在于 Python （更准确地说是计算机硬件体系结构）对浮点数的表示，我们来看计算机（基于二进制）对十进制小数 0.1 的表示，十进制小数向二进制小数转换的方法请见 Python十进制小数与二进制小数相互转换。将十进制小数 0.1 转换为二进制时的结果为 0.0001100110011001....，无限循环，计算机无法展示无限的结果，只能对结果进行截断，这是浮点数精度问题的根源。
“==” on floats
基于以上的考虑，当我们进行浮点数的相等比较时，要特别小心，直接使用 == 是有问题的，一种通用的做法即是，不是检测浮点数是否相等，而是检测二者是否足够接近，
>>>a = sqrt(2)
>>>abs(a*a-2) <epsilon
# 判断是否小于某一小量
浮点型(Float)Python的浮点数就是数学中的小数，类似C语言中的double。
在运算中，整数与浮点数运算的结果是浮点数.
浮点数也就是小数，之所以称为浮点数，是因为按照科学记数法表示时，一个浮点数的小数点位置是可变的，比如，1.23x109和12.3x108是相等的。浮点数可以用数学写法，如1.23，3.14，-9.01，等等。但是对于很大或很小的浮点数，就必须用科学计数法表示，把10用e替代，1.23x109就是1.23e9，或者12.3e8，0.000012可以写成1.2e-5，等等。
整数和浮点数在计算机内部存储的方式是不同的，整数运算永远是精确的而浮点数运算则可能会有四舍五入的误差。
