写程序时遇到 0.1 + 0.2 !== 0.3，或者财务计算里多出几毛钱的误差？这不是你的代码写错了，是浮点数在底层就‘天生不精确’——但别急，有些办法确实能让它更靠谱。
为啥浮点数老不准？
计算机用二进制存小数，而像 0.1 这样的十进制小数，在二进制里是无限循环小数（就像 1/3 在十进制里是 0.333…），只能截断存储。IEEE 754 标准下的 float64 类型，最多也就约 16 位有效数字，超出部分直接舍掉。
换数据类型：decimal 比 float 更稳
做金额、科学测量这类对精度敏感的场景，优先用 decimal 类型。Python 的 decimal 模块、Java 的 BigDecimal、C# 的 decimal 都是十进制定点/浮点实现，不依赖二进制近似。
from decimal import Decimal, getcontext
getcontext().prec = 28 # 设定精度为28位
a = Decimal('0.1')
b = Decimal('0.2')
print(a + b) # 输出：0.3，不是 0.30000000000000004避免累积误差：重排计算顺序
多个小浮点数相加时，从小到大排序再加，比从大到小或乱序加更稳。因为大数吃掉小数的风险更低。比如累加一组含 1e-10 和 1e5 的数，先加小的再逐步合并，误差明显减小。
用整数代替小数：能转就转
处理钱，别存 19.99 元，直接存 1999 分；处理温度到 0.01℃，就存成整数毫摄氏度。运算全在整数域完成，最后才除以 100 或 1000 输出。既快又准，连四舍五入都可控。
高精度库不是万能药
像 Python 的 mpmath 或 C++ 的 Boost.Multiprecision 确实能设几百位精度，但速度慢、内存高，日常开发中很少需要。真要算圆周率十万位？可以；但算个商品折扣价？纯属杀鸡用牛刀。
调试时别信 print，信 repr
Python 中 print(0.1) 显示 0.1，其实是格式化后的假象；用 repr(0.1) 才能看到真实值：'0.1000000000000000055511151231257827021181583404541015625'。调试精度问题，务必用 repr 或 format(x, '.17g') 看真相。