原因如下：

出现上面的情况，主要还是因浮点数在计算机中实际是以二进制保存的，有些数不精确。

比如说: 0.1是十进制，转化为二进制后它是个无限循环的数：

0.00011001100110011001100110011001100110011001100110011001100

而python是以双精度(64)位来保存浮点数，多余的位会被截掉，所以看到的是0.1，但在电脑上实际保存的已不是精确的0.1，参与运算后，也就有可能点误差。

------------------------------------------------------------------------------------------------------------------------------------

[Python3]计算高精确度的浮点数方法

decimal 模块的"getcontext"和"Decimal"方法

getcontext().prec = 2 #设置精度

------------------------------------------------------------------------------------------------------------------------------------

Update

decimal模块中，可以通过整数，字符串或原则构建decimal.Decimal对象。如果是浮点数，特别注意因为浮点数本身存在误差，需要先将浮点数转化为字符串。

当然精度提升的同时，肯定带来的是性能的损失。在对数据要求特别精确的场合（例如财务结算），这些性能的损失是值得的。但是如果是大规模的科学计算，就需要考虑运行效率了。毕竟原生的float比Decimal对象肯定是要快很多的。

-------------------------------------------------------------------------------------------------------------------------------

Other

浮点数和整数的比较

值相等，地址不同