提问者显然缺乏浮点数计算的基本知识。举几个例子：

 >>> 0.125
0.12500000000000000

>>> 0.1
0.10000000000000001

>>> 0.6 + 0.1
0.69999999999999996

纳尼？什么会这样？

0.125 ，也就是 1/8 ，的二进制，是 0.001，可以在 10 进制和 2 进制中轻松表达。

但 0.1 就是一个经典的头疼数字了，它的二进制，是 0.00011001100110011001100110011001... ，一个无限循环小数。由于计算机中使用的浮点数是基于有限精度的二进制数，因此，不可能绝对准确。这一现象往往在打印浮点数时才被注意到。

浮点数的二进制表示，一般采用 IEEE 754 标准。标准规定：单精度格式具有 24 位有效数字，共 32 位。双精度格式具有 53 位有效数字精度，并 64 位。

但是，如今的解释器和 print 函数都足够聪明，会在打印浮点数的时候 自动舍入 ，但是又有一些浮点数由于误差过大，又 不能舍入 。

因此造成了“有些浮点数计算是对的，有些是错的”的现象。事实上，所有的浮点数运算都是“错”的。也就是你问题的答案 。同时，这可能会成为 调试程序的烟幕弹 ：“哎？print 出来 就是 0.1，为什么计算的时候会 出现问题 ？”

例如，新版本的 Python 默认对 所有的浮点数进行自动舍入 。因此无法重现我在文首的例子。这时，可以使用

 >>> print("%.17lf" % (0.6 + 0.1))
0.69999999999999996

同理，浮点数之间用 > , < , == 来比较大小是不可取的。需要看两个浮点数是否在合理的误差范围，如果误差合理，即认为相等。

另外一个陷阱是，浮点数的误差会累积。

 x = 0.0
for i in range(100):
    x += 0.1
print("%.17lf" % x)  #=> 9.99999999999998046
print(x)             #=> 9.99999999999998 （Python 3)，print 自动舍入，但比较保守
                     #=> 10.0 (Python 2)，依然自动舍入，较激进，得到了看似正确的结果

在一般计算中，处理二进制浮点数需要用到很多技巧和技术。但在财务等运算中，必须要求完全精确的结果，这时候，需要模拟 10 进制的浮点数。如 Python 中提供了 Decimal 模块，允许使用者传入浮点数的字符串进行模拟计算，避免精度问题。

 from decimal import Decimal
x = Decimal("0.0")  # 注意：传入字符串。如果传入浮点数，那么在计算之前精度就损失掉了
for i in range(100):
    x += Decimal("0.1")
print("%.17lf" % x)  #=> 10.00000000000000000
print(x)             #=> 10.0

但是，这种计算方式是模拟计算， 很慢 ！比直接通过 CPU 进行的计算速度，大约 慢 1000 倍 。因此，只有财务等 确实 有必要的领域才用 Decimal 。不要使用 Decimal 做密集型数值运算，更不要将所有的浮点数运算替换为 Decimal 。 任何语言提供的类似模块同理 。

关于 IEEE 浮点数，浮点数的大小比较等具体算法和细节，可以观看网易上麻省理工学院的这一集课程： http://v.163.com/movie/2010/6/4/1/M6TCSIN1U_M6TCT0L41.html ，可以从 05:39 处开始观看。