不，这不是比较浮点值的正确方法。
您实际上并没有说出真正的问题-出于某些原因要尝试比较两个浮点数，但是您没有说出它是什么。
浮点算术旨在执行近似算术。通常在浮点运算中会产生舍入误差。当以不同方式计算值时，这些误差通常会有所不同，因此不应期望浮点算术产生相同的结果。
在您的示例中，发生了以下操作：
十进制数字“ 0.1”被转换为
float64
（IEEE-754 64位二进制浮点数）。这产生了值0.1000000000000000055511151231257827021181583404541015625，它是最接近float64
0.1的值。十进制数字“ 0.2”被转换为
float64
。这产生了0.200000000000000011102230246251565404236316680908203125，它是最接近float64
0.2的值。这些已添加。这产生了0.3000000000000000444089209850062616169452667236328125。除了将0.1和0.2舍入到in中的最接近值时发生的舍入误差外
float64
，这还包含一些额外的舍入误差，因为无法在中表示精确的和float64
。十进制数字“ 0.3”转换为
float64
。这产生了0.299999999999999988897769753748434595763683319091796875，它是最接近float64
0.3的值。
如您所见，相加
0.1和的结果与
0.2累计了不同的舍入误差
0.3，因此它们是不相等的。没有正确的平等测试会报告他们平等。而且，重要的是，此示例中发生的错误是此示例特有的-
不同的浮点运算序列将具有不同的错误，并且累积的错误 不限于数字的低位 。
有人尝试通过测试差异是否小于某个小值来进行比较。在某些应用程序中可以这样做，但是在您的应用程序中可以吗？我们不知道您要做什么，因此我们不知道会发生什么问题。允许出现小错误的测试有时会报告错误的结果，要么是误报（因为接受的是相等的数字，如果使用精确的数学计算将不会等于结果），要么是误报负的（因为接受测试的结果是相等的数字，如果使用精确的数学计算将不会相等）精确数学）。这些错误中的哪一个对您的应用最严重？其中之一会导致机器损坏或对人造成伤害吗？在不知道这一点的情况下，没有人会建议哪个错误的结果是可以接受的，甚至可以接受。
此外，误差的容忍度应该是多大？计算中可能发生的总误差取决于执行的操作顺序和涉及的数量。有些应用程序的最终取整误差很小，而有些应用程序的误差很大。在不进一步了解您的特定操作顺序的情况下，没有人会建议使用什么值作为公差。同样，解决方案可能不是在比较数字时接受公差，而是重新设计计算以避免错误或至少减少误差。
不存在用于比较浮点值是否相等的通用解决方案，因为不可能存在任何这样的解决方案。
