Python陷阱大全：负数的取模与浮点精度
请解释Python中负数取模运算的结果为何与其他语言不同，以及浮点数精度问题的根本原因和解决方案。包含-7 % 3的结果分析、decimal模块的使用、Fraction精确分数运算。
回答
苦行僧
负数取模陷阱
print(-7 % 3) # 2 （不是 -1！）
print(-7 // 3) # -3
Python的取模定义： a % b = a - (a // b) * b
- Python的
//是向下取整（floor division），向负无穷方向 - 其他语言（C/Java）是向零截断（truncation）
对比：
| 表达式 | Python | C/Java |
|--------|--------|--------|
| -7 % 3 | 2 | -1 |
| -7 // 3 | -3 | -2 |
| 7 % -3 | -2 | 1 |
原理： 保证0 <= result < abs(b)，符合数学中模运算的「同余类」定义。
浮点精度陷阱
print(0.1 + 0.2) # 0.30000000000000004
print(0.1 + 0.2 == 0.3) # False
原因： IEEE 754双精度浮点数，0.1和0.2在二进制中是无限循环小数，无法精确表示。
解决方案：
1. decimal模块（10进制精确）
from decimal import Decimal, getcontext
getcontext().prec = 28
print(Decimal('0.1') + Decimal('0.2')) # 0.3
print(Decimal(0.1) + Decimal(0.2)) # 又丢了！从float创建
重要： 从字符串创建Decimal，而非float。
2. Fraction精确分数
from fractions import Fraction
print(Fraction(1, 10) + Fraction(2, 10)) # 3/10
3. math.isclose（比较浮点）
import math
print(math.isclose(0.1 + 0.2, 0.3, rel_tol=1e-9)) # True
应用场景：
- 金融计算 ->
Decimal - 精确数学运算 ->
Fraction - 科学计算 -> 接受误差用
float+isclose