1. 最反直觉的地方

先看：

print(0.0 == -0.0)

输出：

True

但：

print(str(0.0))

print(str(-0.0))

输出：

0.0

-0.0

说明：

Python 明确认得“负零”。

2. 为什么会存在负零

因为 IEEE 754 浮点数：

浮点结构：

符号位 + 指数位 + 尾数位

即使数值是 0：

符号位仍然存在。

所以：

+0.0

-0.0

是两个不同 bit pattern。

3. 最经典的坑：除法方向

数学上：

1 / 0

1 / -0

趋向方向不同。

IEEE 754 为了保留这种信息。

虽然 Python 不允许：

1.0 / 0.0

会：

ZeroDivisionError

但 NumPy 会体现出来。

例如：

import numpy as np

print(np.inf > 0)

print(1.0 / np.float64(0.0))

print(1.0 / np.float64(-0.0))

输出：

inf

-inf

这里：

正零得到正无穷

负零得到负无穷

4. hash 居然一样

Python 要求：

a == b

则：

hash(a) == hash(b)

所以：

print(hash(0.0))

print(hash(-0.0))

结果相同。

因此：

s = {0.0, -0.0}

print(s)

输出：

{0.0}

集合里只能存在一个。

5. dict 键覆盖问题

例如：

d = {}

d[0.0] = "positive"

d[-0.0] = "negative"

print(d)

输出：

{0.0: 'negative'}

后者直接覆盖前者。

因为：

0.0 == -0.0

6. copysign 能识别负零

标准库：

import math

print(math.copysign(1, 0.0))

print(math.copysign(1, -0.0))

输出：

1.0

-1.0

说明底层符号位确实不同。

7. 排序时非常诡异

例如：

arr = [0.0, -0.0]

print(sorted(arr))

结果可能：

[0.0, -0.0]

因为：

它们“相等”。

排序稳定性会保留原顺序。

换顺序：

arr = [-0.0, 0.0]

print(sorted(arr))

输出：

[-0.0, 0.0]

看起来像排序没效果。

8. JSON 序列化问题

有些 JSON 库：

会保留：

-0.0

有些会变成：

0.0

导致：

前后端校验失败

签名不同

缓存 key 不一致

尤其金融系统容易踩坑。

9. Decimal 的行为又不同

from decimal import Decimal

a = Decimal("0")

b = Decimal("-0")

print(a == b)

输出：

True

但：

print(a.as_tuple())

print(b.as_tuple())

输出：

DecimalTuple(sign=0, digits=(0,), exponent=0)

DecimalTuple(sign=1, digits=(0,), exponent=0)

Decimal 也保留负号。

10. 复数计算中更明显

例如：

z = complex(-0.0, 0.0)

print(z)

输出：

(-0+0j)

复数运算里：

负零经常影响：

相位

atan2

极坐标

11. atan2 的方向问题

这是最经典的工程坑之一。

import math

print(math.atan2(0.0, -1.0))

print(math.atan2(-0.0, -1.0))

输出：

3.141592653589793

-3.141592653589793

都是 π。

但方向不同。

因为：

一个从上方逼近

一个从下方逼近

这在：

图形学

信号处理

FFT

物理模拟

非常关键。

12. NumPy 中特别容易出现

例如：

import numpy as np

x = np.array([1.0, -1.0])

y = x * 0

print(y)

输出：

[ 0. -0.]

因为符号位保留下来了。

13. 为什么 Python 不直接消灭负零

因为 IEEE 754 认为：

负零有数学意义。

它能表示：

x → 0+

x → 0-

即：

从哪个方向逼近零。

这对：

数值分析

极限

复变函数

科学计算

很重要。

14. 判断是否为负零

普通比较不行：

x == 0

无法区分。

正确方法：

import math

x = -0.0

is_neg_zero = (x == 0.0 and math.copysign(1.0, x) < 0)

总结

Python 里的：

0.0 == -0.0

虽然为真。

但：

bit 不同

符号不同

某些数学结果不同

hash 相同

dict key 冲突

atan2 方向不同

NumPy 行为不同

因此：

负零本质上是：

“值相同，但状态不同”的特殊浮点数。

这是 IEEE 754 最容易让人迷惑的细节之一。

Python 中的负零和正零比较奇异性