下面的python代码根据一些变量计算做事的迭代次数。
# a - b - c is always a multiple of d.
i = (a - b - c) / d
while i:
# do stuff
i -= 1
变量都将是相同的类型，即只有ints或floats或其他变量。我担心的是，如果值floats，它是否会正常工作。我知道的足够多，可以始终考虑依赖精确浮点值的陷阱。但我无法判断上述内容是否危险。我可以使用i = int(round((a - b - c) / d))，但我很好奇能更好地理解浮点数。
这一切都归结为以下内容：a - b - c是d的精确倍数。因此，我依靠(a-b-c)/d成为一个值i，我可以从中减去1，并在while循环中获得预期的迭代次数，并隐含假设i == 0变为真。也就是说，像这样的计算倍数可以减少 1 以达到正好 0 吗？
我不仅想知道它是否不安全，更重要的是，我需要了解浮点型的什么才能解决这样的问题？如果有人决定性地知道这是否安全，是否有可能解释为什么会这样？
您可以使用十进制模块来了解浮点数(如 0.3(之间"隐藏"的内容：
>>> from decimal import Decimal
>>> Decimal(0.3)
Decimal('0.299999999999999988897769753748434595763683319091796875')
请注意，Python 2.7 更改了浮点数的编写方式(repr(f)的工作方式(，因此它现在显示最短的字符串，如果您这样做，该字符串将给出相同的浮点数float(s)。这意味着repr(0.3) == '0.3'在 Python 2.7 中，但在早期版本中repr(0.3) == '0.29999999999999999'。我之所以提到这一点，是因为当您真的想了解数字背后的内容时，它会进一步混淆事情。
使用十进制模块，我们可以看到浮点数计算中的错误：
>>> (Decimal(2.0) - Decimal(1.1)) / Decimal(0.3) - Decimal(3)
Decimal('-1.85037170771E-16')
在这里我们可能期望(2.0 - 1.1) / 0.3 == 3.0，但有一个很小的非零差异。但是，如果使用普通浮点数进行计算，则确实会得到零：
>>> (2 - 1.1) / 0.3 - 3
0.0
>>> bool((2 - 1.1) / 0.3 - 3)
False
结果沿途四舍五入，因为 1.85e-16 不为零：
>>> bool(-1.85037170771E-16)
True
我不确定这种四舍五入的确切位置。
至于一般的循环终止，那么我可以提供一个线索：对于小于 253 的浮点数，IEEE 754 可以表示所有整数：
>>> 2.0**53
9007199254740992.0
>>> 2.0**53 + 1
9007199254740992.0
>>> 2.0**53 + 2
9007199254740994.0
可表示数字之间的间距为 2，从 253 到 254，如上所示。但是如果你的i是一个小于 253 的整数，那么i - 1也将是一个可表示的整数，你最终会命中 0.0 ，这在 Python 中被认为是假的。
我会给你一个与语言无关的答案(我真的不了解Python(。
代码中存在多个潜在问题。 首先，这个：
(a - b - c)
如果a(例如(是 109，并且 b 和 c 都是 1，那么答案将是 109，而不是 109-2(我在这里假设单精度浮点数(。
然后是这个：
i = (a - b - c) / d
如果分子和分母是无法用浮点精确表示的数字(例如 0.3 和 0.1(，则结果可能不是精确的整数(可能是 3.0000001 而不是 3(。 因此，您的循环永远不会终止。
然后是这个：
i -= 1
与上面类似，如果i当前为 10 9，则此操作的结果仍将为 109，因此您的循环将永远不会终止。
因此，您应该强烈考虑以整数算术执行所有计算。
你是对的，零上可能存在非收敛性(至少对于比你预期的更多的迭代(。为什么不让你的测试是：while i >= 1 .在这种情况下，与整数一样，如果您的 i 值低于 1，循环将结束。