我想这是一个经典的浮点精度问题，但我试图围绕这个结果，1//0.01在 Python 3.7.5 中运行yields 99。
我想这是一个预期的结果，但是有什么方法可以决定何时使用int(1/f)而不是更安全1//f？
che*_*ner 24
如果这是与实数的除法，1//0.01则正好是 100。不过，由于它们是浮点近似值，0.01因此略大于 1/100，这意味着商略小于 100。然后是这个 99.something 值到 99。
tri*_*cot 10
这个结果的原因就像你说的，并在浮点数学是否被破坏？以及许多其他类似的问答。
当您知道分子和分母的小数位数时，更可靠的方法是先将这些数字相乘，以便将它们视为整数，然后对它们进行整数除法：
所以在你的情况下1//0.01应该首先转换1*100//(0.01*100)为100。
在更极端的情况下，您仍然可以获得“意想不到”的结果。round在执行整数除法之前，可能需要添加对分子和分母的调用：
1 * 100000000000 // round(0.00000000001 * 100000000000)
但是，如果这是关于使用固定小数（钱，美分），那么考虑使用美分作为单位，以便所有算术都可以作为整数算术完成，并且只在执行时转换为/从主要货币单位（美元）输入/输出。
或者，使用小数库，如decimal，它：
...提供对快速正确舍入十进制浮点运算的支持。
from decimal import Decimal
cent = Decimal(1) / Decimal(100) # Contrary to floating point, this is exactly 0.01
print (Decimal(1) // cent) # 100
你必须考虑到是什么//是floor运营商，因此你首先应该想到，如果你有相同的概率在100下降为99（*）（因为会被操作100 ± epsilon与epsilon>0提供的，恰好100.00的机会..0 非常低。）
你实际上可以看到相同的减号，
>>> 1//.01
99.0
>>> -1//.01
-100.0
你应该（不）感到惊讶。
另一方面，int(-1/.01)首先执行除法，然后int()在数字中应用 ，这不是地板而是向 0 的截断！这意味着在那种情况下，
>>> 1/.01
100.0
>>> -1/.01
-100.0
因此，
>>> int(1/.01)
100
>>> int(-1/.01)
-100
不过，四舍五入会给你这个运算符的预期结果，因为同样，这些数字的误差很小。
(*)我不是说概率是一样的，我只是说当你用浮动算术执行这样的计算时，先验的是你得到的估计。
浮点数不能准确表示大多数十进制数，因此当您键入浮点文字时，您实际上会得到该文字的近似值。近似值可能大于或小于您键入的数字。
您可以通过将浮点数转换为小数或分数来查看浮点数的确切值。
>>> from decimal import Decimal
>>> Decimal(0.01)
Decimal('0.01000000000000000020816681711721685132943093776702880859375')
>>> from fractions import Fractio
>>> Fraction(0.01)
Fraction(5764607523034235, 576460752303423488)
我们可以使用 Fraction 类型来查找由我们的不精确文字引起的错误。
>>> float((Fraction(1)/Fraction(0.01)) - 100)
-2.0816681711721685e-15
我们还可以通过使用 numpy 中的 nextafter 找出 100 左右的双精度浮点数的粒度。
>>> from numpy import nextafter
>>> nextafter(100,0)-100
-1.4210854715202004e-14
由此我们可以推测最接近的浮点数1/0.01000000000000000020816681711721685132943093776702880859375实际上正好是 100。
1//0.01和之间的区别int(1/0.01)是四舍五入。1//0.01 在一个步骤中将精确结果向下舍入到下一个整数。所以我们得到的结果是 99。
另一方面，int(1/0.01) 分两个阶段舍入，首先将结果舍入到最接近的双精度浮点数（正好是 100），然后将该浮点数向下舍入到下一个整数（即又正好是 100）。