我将冒着被否决的风险，但我认为浮点数在货币计算中的不适用性被高估了。只要确保正确地进行了舍入，并且有足够的有效数字来处理zneak解释的二进制十进制表示不匹配，就不会有问题。

在Excel中使用货币计算的人总是使用双精度浮点数(Excel中没有货币类型)，我还没有看到有人抱怨舍入错误。

当然，你必须在合理范围内;例如，一个简单的网络商店可能永远不会遇到双精度浮点数的任何问题，但如果你做会计或其他需要添加大量(无限制)数字的事情，你不会想要用十英尺的杆子触摸浮点数。

我对其中一些回答感到困扰。我认为双数和浮点数在财务计算中占有一席之地。当然，在使用整数类或BigDecimal类时，在加减非分数货币金额时，不会损失精度。但是，当执行更复杂的操作时，无论您如何存储这些数字，您经常会得到小数点后几位或许多位的结果。问题在于你如何呈现结果。

如果你的结果是在四舍五入和四舍五入之间的边缘，最后一分真的很重要，你可能应该告诉观众答案几乎在中间——通过显示更多的小数点后数位。

双精度浮点数的问题是，当它们被用来组合大数和小数时。在java中,

System.out.println(1000000.0f + 1.2f - 1000000.0f);

结果

1.1875

因为浮点数和双精度数不能准确地表示我们用来表示金钱的以10为底的倍数。这个问题不仅适用于Java，还适用于任何使用2进制浮点类型的编程语言。

以10为基数，可以将10.25写成1025 * 10-2(整数乘以10的幂)。IEEE-754浮点数是不同的，但是考虑它们的一个非常简单的方法是乘以2的幂。例如，您可以看到164 * 2-4(整数乘以2的幂)，也等于10.25。这不是数字在内存中的表示方式，但数学含义是相同的。

即使以10为基数，这个符号也不能准确地表示大多数简单的分数。例如，你不能表示1/3:十进制表示是重复的(0.3333…)，所以没有一个有限整数可以乘以10的幂得到1/3。你可以设定一个长序列的3和一个小指数，如333333333 * 10-10，但它是不准确的:如果你乘以3，你不会得到1。

然而，为了数钱，至少对于那些货币价值在美元数量级内的国家，通常你所需要的只是能够存储10-2的倍数，所以1/3不能表示并没有什么关系。

The problem with floats and doubles is that the vast majority of money-like numbers don't have an exact representation as an integer times a power of 2. In fact, the only multiples of 0.01 between 0 and 1 (which are significant when dealing with money because they're integer cents) that can be represented exactly as an IEEE-754 binary floating-point number are 0, 0.25, 0.5, 0.75 and 1. All the others are off by a small amount. As an analogy to the 0.333333 example, if you take the floating-point value for 0.01 and you multiply it by 10, you won't get 0.1. Instead you will get something like 0.099999999786...

把钱表示成双位数或浮点数一开始可能看起来不错，因为软件会消除微小的错误，但当你对不精确的数字进行更多的加减乘除运算时，错误就会加剧，最终你会得到明显不准确的数值。这使得浮点数和双精度数不适用于处理货币，因为货币需要精确计算以10为底数的倍数。

一种适用于任何语言的解决方案是使用整数，并计算美分。例如，1025就是10.25美元。一些语言也有内置的类型来处理钱。其中，Java有BigDecimal类，Rust有rust_decimal板条箱，c#有decimal类型。

美国货币可以很容易地用美元和美分来表示。整数是100%精确的，而浮点二进制数并不完全匹配浮点小数。

大多数回答都强调了为什么不应该使用替身来计算金钱和货币。我完全同意他们的观点。

但这并不是说，double永远不能用于这个目的。

我曾经参与过许多gc需求非常低的项目，BigDecimal对象是造成这种开销的一个重要因素。

正是由于缺乏对双重表示的理解，以及缺乏处理准确性和精确性的经验，才产生了这个明智的建议。

如果您能够处理项目的精度和准确性要求，则可以使其工作，这必须基于处理的双精度值的范围来完成。

你可以参考番石榴的FuzzyCompare方法来获得更多的信息。参数公差是关键。 我们为一个证券交易应用程序处理了这个问题，并对在不同范围内对不同数值使用什么公差做了详尽的研究。

此外，在某些情况下，您可能会试图使用Double包装器作为映射键，并将哈希映射作为实现。这是非常危险的，因为双重。等号和哈希码，例如值“0.5”和“0.6 - 0.1”将导致一个大混乱。

这个问题的许多答案都讨论了IEEE和围绕浮点算法的标准。

我的背景不是计算机科学(物理和工程)，我倾向于从不同的角度看问题。对我来说，我在数学计算中不使用double或float的原因是我会丢失太多的信息。

有什么替代方案?有很多(还有很多我不知道的!)

Java中的BigDecimal原产于Java语言。 Apfloat是另一个用于Java的任意精度库。

c#中的十进制数据类型是微软的. net中28位有效数字的替代方案。

SciPy (Scientific Python)可能还可以处理财务计算(我还没有尝试过，但我怀疑是这样)。

GNU多精度库(GMP)和GNU MFPR库是C和c++的两个免费的开源资源。

还有用于JavaScript(!)和PHP的精确数值库，我认为它们可以处理财务计算。

对于许多计算机语言，也有专有的(特别是Fortran)和开源的解决方案。

我不是训练出来的计算机科学家。然而，我倾向于在Java中使用BigDecimal，在c#中使用decimal。我还没有尝试过我列出的其他解决方案，但它们可能也非常好。

对我来说，我喜欢BigDecimal是因为它支持的方法。c#的十进制非常好，但我还没有机会尽可能多地使用它。我在业余时间做我感兴趣的科学计算，BigDecimal似乎工作得很好，因为我可以设置浮点数的精度。BigDecimal的缺点是什么?它有时会很慢，特别是当你使用除法的时候。

为了提高速度，您可以查看C、c++和Fortran中的免费和专有库。