做财务报表时，0.1 + 0.2 算出来是 0.30000000000000004；写个科学计算脚本，迭代几十次后结果明显偏移；甚至Excel里两个看起来完全一样的数字，用“=A1=B1”却返回 FALSE——这些都不是电脑坏了，而是浮点数精度在悄悄捣鬼。
为啥浮点数老是“算不准”？
电脑底层用二进制存小数，但很多十进制小数（比如 0.1、0.2）在二进制里是无限循环小数，就像 1/3 = 0.333… 在十进制里永远除不尽。系统只能截断存储，误差就埋下了。IEEE 754 双精度浮点数最多约15–17位有效数字，超出部分直接丢弃或四舍五入。
实用提精度方法，按场景选
① 财务/计费类计算：改用整数运算
别存“19.99元”，直接存“1999分”。加减乘除全用整数，最后再除以100显示。Python里可以这样写：
price_cents = 1999 # 元转成分
quantity = 3
total_cents = price_cents * quantity # 5997
print(f"{total_cents / 100:.2f}元") # 输出 59.97元② Python 中需要更高精度？上 decimal 模块
它不走二进制浮点，而是按十进制精确算，适合对精度敏感的场景：
from decimal import Decimal, getcontext
getcontext().prec = 28 # 设定全局精度为28位
a = Decimal('0.1')
b = Decimal('0.2')
print(a + b) # 输出 0.3，不是 0.30000000000000004③ JavaScript 做前端计算？避免直接用 +
比如价格相加，先转整数再算：
function add(num1, num2) {
const factor = Math.pow(10, 2); // 保留两位小数
return (Math.round(num1 * factor) + Math.round(num2 * factor)) / factor;
}
console.log(add(0.1, 0.2)); // 0.3④ Excel 里也别信“看起来一样”
哪怕单元格显示“1.23”，背后可能是 1.2299999999999999。用 ROUND 强制保留位数：=ROUND(A1+B1,2)，或设置单元格格式为“数值”并指定小数位数（这只是显示控制，真正参与计算还得靠 ROUND）。
什么时候真该换数据类型？
如果项目涉及金融风控、物理仿真、高精度测量数据处理，别硬扛 float/double。C++ 可考虑 long double（注意平台差异），Python 用 decimal 或第三方库如 mpmath，Java 用 BigDecimal。一句话：该用高精度的地方，别图省事用 float。
浮点数不是 bug，是设计使然。问题不在“算错”，而在没选对工具。看清需求，该转整数就转，该换类型就换，比反复调试“为什么 0.1+0.2≠0.3”实在得多。