Unittest（有时）因为浮点不精确而失败
我有一个Vector类，它代表了三维空间中的一个点。 这个向量有一个方法normalize(self, length = 1) ，它将向量向下/向上缩放为length == vec.normalize(length).length 。
由于浮点数的不精确性，此方法的unit testing有时会失败。 我的问题是，当方法正确实现时，如何确保这个testing不会失败？ 有没有可能做到这一点没有testing一个近似值？
附加信息 ：
def testNormalize(self): vec = Vector(random.random(), random.random(), random.random()) self.assertEqual(vec.normalize(5).length, 5)
这有时会导致AssertionError: 4.999999999999999 != 5或AssertionError: 5.000000000000001 != 5 。
注意 ：我知道浮点问题可能在Vector.length属性或Vector.normalize() 。
1）我怎样才能确保testing工作？
使用assertAlmostEqual ， assertNotAlmostEqual 。
从官方文档 ：
assertAlmostEqual(first, second, places=7, msg=None, delta=None)
通过计算差值，四舍五入到给定的小数位数（默认值7），并将其与零比较，testing第一个和第二个差不多相等。
2）有没有可能testing一个近似值呢？
基本上没有
浮点问题不能被绕过，所以你必须对vec.normalize给出的结果进行“四舍五入”，或者接受一个几乎相等的结果（两者中的每一个都是近似值）。
通过使用浮点值，您接受一个小的不精确度。 因此，您的testing应testing您的计算值是否落在可接受的范围内，如：
theoreticalValue - epsilon < normalizedValue < theoreticalValue + epsilon
其中epsilon是一个非常小的值，您定义为可接受的由于浮点不精确性的变化。
一般来说，你不应该声称平等的花车。 相反，确保结果在一定范围内，例如：
self.assertTrue(abs(vec.normalize(5).length - 5) < 0.001)
我想有一种可能性是将函数应用于所有input，所有中间计算的结果以及输出都可以用float精确表示的testing用例。
为了显示：
In [2]: import math In [4]: def norm(x, y): ...: return math.sqrt(x*x + y*y) ...: In [6]: norm(3, 4) == 5 Out[6]: True
不知道这是多么实际…
