浮点数计算不精确是因二进制无法精确表示部分十进制小数，导致如0.1+0.2≠0.3；Python的decimal模块通过Decimal类以十进制存储数值，避免此问题，需用字符串初始化并可设置精度与舍入方式，适用于金融、科学等高精度场景。
在Python中进行浮点数运算时，经常会遇到精度问题。比如 0.1 + 0.2 != 0.3 这种看似荒谬的结果，其实是由于浮点数在二进制中的表示存在舍入误差。为了解决这类计算精度问题，Python 提供了 decimal 模块，其中的 Decimal 类型可以实现高精度的十进制运算。
为什么浮点数计算不精确？
计算机使用二进制存储浮点数，而像 0.1 这样的十进制小数无法被精确表示成有限位的二进制小数。这导致了累积误差：
>>> 0.1 + 0.2 == 0.3False
>>> 0.1 + 0.2
0.30000000000000004
这种误差在金融、科学计算等对精度要求高的场景中是不可接受的。
使用 Decimal 实现精确计算
Decimal 类型以十进制方式存储数值，避免了二进制浮点数的精度问题。要使用它，先导入模块：
立即学习“Python免费学习笔记（深入）”；
from decimal import Decimal关键点是：用字符串初始化 Decimal，而不是浮点数：
>>> Decimal('0.1') + Decimal('0.2') == Decimal('0.3')True
>>> Decimal('0.1') + Decimal('0.2')
Decimal('0.3')
如果用浮点数初始化，问题依然存在：
Decimal('0.1000000000000000055511151231257827021181583404541015625')
控制精度和舍入方式
Decimal 支持自定义精度和舍入策略。通过 getcontext() 设置全局配置：
from decimal import Decimal, getcontextgetcontext().prec = 6 # 设置精度为6位
getcontext().rounding = 'ROUND_HALF_UP' # 四舍五入
>>> Decimal('1') / Decimal('7')
Decimal('0.142857')
常见舍入方式包括：
- ROUND_HALF_UP：四舍五入（最常用）
- ROUND_DOWN：向零截断
- ROUND_UP：远离零进位
- ROUND_HALF_EVEN：银行家舍入法
实际应用场景
Decimal 特别适用于以下情况：
- 货币计算：金额加减、税率计算等
- 科学数据处理：需要固定小数位的测量值
- 测试浮点算法：作为“精确值”参考
示例：计算商品总价
price = Decimal('19.99')tax_rate = Decimal('0.08')
total = price * (1 + tax_rate)
print(total.quantize(Decimal('0.01'))) # 保留两位小数
# 输出: 21.59
quantize() 方法用于格式化输出，确保结果符合指定的小数位数。
基本上就这些。只要记住用字符串创建 Decimal，合理设置精度，就能有效解决大多数计算精度问题。
