在前面幾個單元，我們已經學會了Python基本型態的用法、資料結構、迴圈、邏輯判斷以及函數的建立。而現在，我們要回過頭來補充Python中floating的幾個重要觀念與限制，讓大家更了解Python中的計算科學。
(一)Python中的科學記號
一般來說，我們會把1500000寫成 [math]1.5*10^6[/math] ，而在Python中，則會表示成1.5e6或1.5e+6唷!
(二)Floating的有效範圍
讓我們來看看，Python中floating的有效範圍是多少呢?
這個範圍，大約介於正負
讓我們來看些大數字的運算!
(三) NaN與None的差異
在Python中，NaN跟None是有差異的唷!
NaN代表的是無效數值(not a number)。
None代表的是缺值(missing number)。
兩者是完全不一樣的事情唷!
首先，讓我們來看看NaN!
讓我們問問Python，NaN跟None一樣嗎?
(四)有限小數表示法的精確度
我們的計算中，採用的都是10進位，單位元有0-9共計10個數字。而電腦科學的計算中，採用的是2進位，因此僅有0,1兩個單位元。這樣的差異有什麼關係呢?且讓我們看看下面這個例子。
是的，你沒看錯。很簡單的加法，我們可以很快算出0.1+0.2=0.3，然而，在Python中，因為電腦科學計算中採用的是2進位，導致不是每一個數字都可以完美的表達出來，但也盡力讓儲存結果非常相近了，但我們仍須把這樣結果的差異記在心裡。
(五) Catastrophic Cancellation
這個部分是計算科學中相當重要的一部分，在寫程式中很容易被我們忽略，請各位一定要謹記在心!
現在假設有兩個實數，x與y，y=x+e.
x是一個很大的數，而e是一個非常小的數值。
現在，我們要計算y-x，理論上我們知道y-x=(x+e)-x=e，然而，當我們在Python中輸入這個計算時，猜猜會得到多少?答案是0。到這裡，你可能會想，因為e是一個很小的數字，所以忽略也沒有關係啊!
然而，從另外一個誤差的角度切入，讓我們來看看這樣的相對誤差等於多少?
相對誤差=(e-0)/e=1=100%!!
是的，你沒有看錯，相對誤差就是100%這麼大，所以我們稱之為catastrophic cancellation!
為了避免這樣的事情發生，我們在寫程式時，可以透過數學式子的運算，更改演算法，以避免這樣的情形而達到相同的效果!因為這些誤差是累積而來的，會積少成多，造成最後結果的嚴重誤差!
相信今天的單元可能為大家帶來了些許的震撼，除了會使用程式以外，這些計算科學中運算的小細節更是我們需要注意的，避免這些錯誤的發生，才能正確運用Python達成我們想要的結果!
最後，附上上個單元小作業的解答。
現在，您已經學會基礎的Python語法以及架構了。下一系列的單元，我們將開始介紹非常實用的Numpy模組唷!