سلام،

این موضوع توو تمام زبان‌های برنامه نویسی که با اعداد اعشاری سروکار دارن اتفاق میوفته.

ماجرای اصلی اینه که کامپیوترها وقتی می‌خوان اعداد اعشاری رو توی حافظه ذخیره کنن، همیشه نمی‌تونن اون‌ها رو به صورت دقیق و بدون خطا ذخیره کنن. به این خاطر که کامپیوترها همه چی رو به صورت بیت (0 و 1) ذخیره می‌کنن و نمایش اعداد اعشاری به صورت دقیق توی این فرم ممکن نیست.

برای مثال، عدد 0.1 توی سیستم دودویی (باینری) به یه دنباله طولانی از اعداد تبدیل می‌شه که کامپیوتر نمی‌تونه به طور کامل ذخیره‌ش کنه. پس مجبور می‌شه که این عدد رو گرد کنه و یه مقدار تقریباً نزدیک به 0.1 رو ذخیره کنه. همین اتفاق برای 0.2 هم می‌افته. حالا وقتی این دو تا عدد رو با هم جمع می‌کنی، نتیجه دقیقاً 0.3 نمی‌شه، بلکه یه چیزی خیلی نزدیک به 0.3 می‌شه که با 0.3 دقیق تفاوت داره. برای همین، وقتی توی پایتون می‌نویسی (0.2 + 0.1 == 0.3)، نتیجه False می‌شه چون این دو تا عدد از نظر کامپیوتر دقیقاً برابر نیستن.

حالا چرا این مشکل توی C++ کمتر دیده می‌شه؟

حالا بریم سراغ سوال دوم. این مشکل توی C++ هم ممکنه اتفاق بیفته، اما نکته اینه که توی C++ معمولاً برنامه‌نویسا خودشون باید دقت اعداد اعشاری رو کنترل کنن و معمولاً از انواع داده‌های دقیق‌تری مثل double استفاده می‌کنن که دقت بیشتری دارن. ولی بازم این به این معنی نیست که C++ کاملاً از این مشکل مصون باشه. در واقع، تفاوت اصلی اینه که برنامه‌نویسا توی C++ بیشتر به این مسئله دقت می‌کنن و روش‌های خاصی برای مدیریت این مشکل دارن.

پس چه کار باید کرد؟

توی پایتون، اگه بخوای از این مشکل دوری کنی، می‌تونی از تابع isclose توی کتابخونه math استفاده کنی که بهت اجازه می‌ده با یه درصد خطای قابل قبول اعداد رو مقایسه کنی. این کار بهت کمک می‌کنه که از خطای گرد کردن جلوگیری کنی. مثلاً:

import math
print(math.isclose(0.2 + 0.1, 0.3))  # True

البته، راه دیگه هم اینه که خودت یه مقدار خطا تعیین کنی و بررسی کنی که آیا اختلاف بین این دو عدد کوچیک‌تر از اون مقدار خطا هست یا نه. مثلاً:

epsilon = 1e-9
print(abs((0.2 + 0.1) - 0.3) < epsilon)  # True

این دو راه می‌تونن بهت کمک کنن که مشکلات ناشی از گرد شدن اعداد اعشاری رو دور بزنی و محاسباتت رو با دقت بیشتری انجام بدی.