Python中去除浮点数末尾无意义的零和点

方法一：使用条件判断

a = 12.12300 # 结果应为12.123
b = 12.00 # 结果应为12
c = 200.12000 # 结果应为200.12
d = 200.0 # 结果应为200

print('a==>', [str(a), int(a)][int(a) == a])
print('b==>', [str(b), int(b)][int(b) == b])
print('c==>', [str(c), int(c)][int(c) == c])
print('d==>', [str(d), int(d)][int(d) == d])

方法二：利用字符串格式化

for num in [12.12300, 12.00, 200.12000, 200.0]:
    print('{:g}'.format(num))

补充：理解浮点数在 Python 中的表示与陷阱

虽然标题听起来有些夸张，但确实，很多开发者在处理浮点数时遇到了意想不到的问题。让我们通过一个简单的例子来理解这个问题。

>>> 0.1 + 0.2 == 0.3
False

初次见到这个结果，你可能会感到困惑，甚至认为这是 Python 的一个 bug。但实际上，这是由于浮点数在计算机内部的表示方式导致的。

>>> 0.1 + 0.2
0.30000000000000004

为了更好地理解这一现象，我们需要了解浮点数在计算机中的表示方式，特别是它们如何被转换成二进制。

整数的二进制表示

以整数 9 为例，其二进制表示为 1001。这个结果是如何得来的呢？通过将十进制数不断除以 2 并记录每次的余数，可以得到其二进制形式。具体代码如下：

n = 9
while n > 0:
    n, e = divmod(n, 2)
    print(e)

二进制转十进制

十进制数可以通过科学计数法表示，例如 123 = 1*10^2 + 2*10^1 + 3*10^0。同样地，二进制数 1001 可以表示为：

1001 = 1*2^3 + 0*2^2 + 0*2^1 + 1*2^0
= 8 + 0 + 0 + 1
= 9

浮点数的二进制表示

浮点数的二进制表示与整数类似，只是多了一个小数点。例如，二进制数 101.11 对应的十进制数为：

101.11 = 1*2^2 + 0*2^1 + 1*2^0 + 1*2^-1 + 1*2^-2
= 4 + 0 + 1 + 0.5 + 0.25
= 5.75

十进制浮点数转二进制

将十进制浮点数转换为二进制的过程分为两步：整数部分按常规方法转换，小数部分则通过不断乘以 2 并取整数部分，直到小数部分为 0 或达到所需精度。例如，2.25 转换为二进制为 10.01。

0.25 * 2 = 0.5 整数为0，小数为0.5
0.5 * 2 = 1.0 整数为1，小数为0

然而，并非所有浮点数都能如此简单地转换。例如，0.2 的二进制表示为 0.001100110011...，这是一个无限循环的小数。

0.2 * 2 = 0.4 整数为0，小数为0.4
0.4 * 2 = 0.8 整数为0，小数为0.8
0.8 * 2 = 1.6 整数为1，小数为0.6
0.6 * 2 = 1.2 整数为1，小数为0.2
...

这种无限循环导致 0.2 无法在二进制中精确表示，只能取一个近似值。将其转换回十进制，结果为 0.199951171875，接近但不等于 0.2。

浮点数在计算机中的存储

根据 IEEE 754 标准，浮点数在计算机中的存储分为三部分：符号位（s）、指数位（E）和尾数位（M）。例如，1.25 的二进制表示为 1.01 × 2^0，其中 s=0，M=1.01，E=0。

IEEE 754 规定：

• 对于 32 位浮点数，最高位为符号位，接下来 8 位为指数位，最后 23 位为尾数位。
• 对于 64 位浮点数，最高位为符号位，接下来 11 位为指数位，最后 52 位为尾数位。
• 尾数位 M 的第一位总是 1，因此在存储时会省略。
• 指数位 E 的真实值需要减去一个偏移量，对于 8 位 E，偏移量为 127；对于 11 位 E，偏移量为 1023。

例如，浮点数 0.2 在计算机中的存储方式如下：

import struct

def float_to_bits(f):
    s = struct.pack('>f', f)
    return struct.unpack('>l', s)[0]

print(float_to_bits(0.2))
# 输出: 1045220557
print(bin(float_to_bits(0.2)))
# 输出: 0b111110010011001100110011001101

浮点数 0.2 的实际存储值为 1045220557，对应的二进制表示为 111110010011001100110011001101。转换为 32 位整数后，其二进制表示为：

0 01111100 10011001100110011001101

最高位为 0，表示正数；接下来 8 位 01111100 表示指数位，对应整数 124，减去偏移量 127 后，实际指数值为 -3；最后 23 位表示尾数位，加上省略的 1 后，实际尾数值为 1.10011001100110011001101。因此，0.2 的实际值为：

1.10011001100110011001101 * 2^-3
= 0.00110011001100110011001101
= 1/8 + 1/16 + 1/128 + 1/256 + 1/2048 + 1/4096 + ...
= 0.20000000298023224

这解释了为什么 0.1 + 0.2 不等于 0.3，而是 0.30000000000000004。