python浮点加法结果具有意外的小数位答案

【问题标题】：python float addition results with unexpected decimal placespython浮点加法结果具有意外的小数位
【发布时间】：2020-05-24 11:12:26
【问题描述】：

我有以下代码通过计算订单来检测股票交易：

import json

orders = '[{"side": "SELL", "executedQty": "0.046"}, {"side": "SELL", "executedQty": "0.041"}, {"side": "SELL", "executedQty": "0.056"}, {"side": "SELL", "executedQty": "0.140"}, {"side": "BUY", "executedQty": "0.283"}]'
orders = json.loads(orders)

cur_qty = 0
raw_trades = []
trade = []
trade_side = None
for order in orders:
    if trade_side is None:
        trade_side = order['side']

    numbers_after_decimal = len(order['executedQty'].split('.')[-1])
    order_qty = float(order['executedQty'])
    order_qty = round(order_qty, numbers_after_decimal)

    if trade_side == order['side']:
        cur_qty += order_qty
    else:
        cur_qty -= order_qty

    trade.append(order)
    if cur_qty == 0:
        raw_trades.append(trade)
        trade_side = None
        trade = []

在这个例子中，订单只有 1 笔交易（我们卖出 0.046 + 0.041 + 0.056 + 0.140 = 0.283（入场），我们买入 0.283（离场））

问题是，当运行此代码时，由于某种原因，当在 for 循环中时，顺序是 {"side": "SELL", "executedQty": "0.140"} 和 cur_qty = 0.143，当我添加它们时，结果是 0.28300000000000003。

这弄乱了整个计数，因为我搜索 cur_qty == 0 以知道交易已经结束（我卖掉了我买的所有东西，反之亦然）。

试图将浮点数四舍五入到它的字符串小数位数，但它一直在发生。

任何想法如何解决这个问题，四舍五入没有帮助

【问题讨论】：

请参阅：stackoverflow.com/questions/588004/… 在作为单独问题提问之前在网站上搜索答案是一种健康的做法。
@user79161，我确实在网上搜索过，但没有找到这个答案。然而，答案是谈论它为什么会发生，而不是说四舍五入（我已经尝试过），我没有看到其他解决方案，这就是这个问题的意义所在。我该如何克服这个问题并获得0.283 而不是0.28300000000000003
你没有得到答案。 错误不能以一般方式克服。一般方式，我的意思是一种可以应用于以该形式表示的所有分数的方法。至少这是我在阅读我提到的答案和其中提供的链接后得出的结论。我相信你应该再读一遍。

标签： python floating-point decimal

【解决方案1】：

所以在阅读了@user79161 的答案后，我找到了以下解决方案——我还根据cur_qty 和order_qty 的字符串表示中的较高小数点对数字进行了四舍五入。

这就是代码现在的样子：

import json

orders = '[{"side": "SELL", "executedQty": "0.046"}, {"side": "SELL", "executedQty": "0.041"}, {"side": "SELL", "executedQty": "0.056"}, {"side": "SELL", "executedQty": "0.140"}, {"side": "BUY", "executedQty": "0.283"}]'
orders = json.loads(orders)

cur_qty = 0
raw_trades = []
trade = []
trade_side = None
for order in orders:
    if trade_side is None:
        trade_side = order['side']

    numbers_after_decimal = len(order['executedQty'].split('.')[-1])
    order_qty = float(order['executedQty'])
    order_qty = round(order_qty, numbers_after_decimal)

    numbers_after_decimal_cur_qty = len(str(cur_qty).split('.')[-1])

    decimal_numbers = max([numbers_after_decimal_cur_qty, numbers_after_decimal])

    if trade_side == order['side']:
        cur_qty += order_qty
    else:
        cur_qty -= order_qty

    cur_qty = round(cur_qty, decimal_numbers)

    trade.append(order)
    if cur_qty == 0:
        raw_trades.append(trade)
        trade_side = None
        trade = []

【讨论】：

这是一个糟糕的解决方案。只需将所有股票数量转换为某个单位的整数倍，例如股票的千分之一，并使用整数运算。
@EricPostpischil 为什么这是一个糟糕的解决方案？你的建议怎么样？
首先，您在离散单元中工作，因此您应该使用为此设计的解决方案。那就是整数算术。整数运算旨在进行精确的整数运算。浮点运算旨在逼近实数运算。只要您只是增加和减少数量，您就应该使用为此设计的解决方案。（如果您开始深入研究数学，例如计算利率或投资回报率，那么浮点数可能更适合 - 但您需要了解更多有关浮点运算的知识才能正确使用它。）
第二，四舍五入的计算成本很高。即使以错误的方式进行（乘以 10 的幂，舍入为整数，除以 10 的幂）也会在简单的加法和减法中添加不必要的操作。以正确的方式（产生最接近的可表示结果而不会从乘法中舍入误差）会更昂贵。（不知道Python的round函数用的是哪个。）既然没必要（整数解就好），就是浪费计算资源。
第三，对于数量和精度都受限的数字的简单加法和减法，舍入可能就足够了，但是，一般来说，通过将小的舍入误差放大到大的。最近，我确实在另一个 Stack Overlow 问题中提供了一个舍入解决方案，但我这样做时明确指定了所涉及数字的限制。这种对浮点的操作应该在清楚了解所涉及的问题的情况下完成。