float在Python 3.10中仍存在精度误差，因其基于IEEE 754双精度二进制表示，0.1+0.2≠0.3；需用decimal模块并以字符串初始化（如Decimal('0.1')）才能实现精确十进制运算。
为什么 float 类型在 Python 3.10 中依然会算错
因为 float 基于 IEEE 754 双精度二进制表示，像 0.1 + 0.2 这种运算结果是 0.30000000000000004，不是数学意义上的精确值。Python 3.10 没改变这个底层机制，它只是让 float 更严格（比如禁止八进制前导零），但精度问题照旧。
这不是 bug，是所有遵循 IEEE 754 的语言共性。需要精确十进制计算时，必须换用 decimal。
怎样用 decimal 模块做真正“等于”的加减乘除
decimal 把数字存为十进制系数 + 指数（Decimal('1.23') 内部是 (123, -2)），避免了二进制转换失真。关键点在于：必须用字符串初始化，不能用 float。
-
Decimal('0.1') + Decimal('0.2')→Decimal('0.3')（正确） -
Decimal(0.1) + Decimal(0.2)→ 先把0.1转成float，再转Decimal，已经失真（错误） - 支持直接用整数、字符串、
Decimal实例初始化；避免用float或int以外的类型传参 - 四则运算符（
+,-,*,/）全部可用，结果仍是Decimal
控制精度和舍入方式：context 和 quantize 的区别
默认精度是 28 位，但实际保留多少小数位，取决于你是否调用 quantize() 或修改上下文 context.prec。
立即学习“Python免费学习笔记（深入）”；
-
getcontext().prec = 6控制所有运算的**最大有效数字位数**（不是小数位），比如Decimal('123.456789').sqrt()会截到 6 位有效数字 - 要固定小数位（如财务场景保留两位），必须用
.quantize(Decimal('0.01')) - 舍入策略默认是
ROUND_HALF_EVEN（银行家舍入），可改用ROUND_UP、ROUND_DOWN等，需显式传入rounding=参数 - 示例：
Decimal('1.2345').quantize(Decimal('0.01'), rounding=ROUND_HALF_UP)→Decimal('1.24')
常见报错和兼容性注意点
踩坑最多的是混用类型和忽略上下文隔离：
-
TypeError: unsupported operand type(s) for +: 'Decimal' and 'float'—— 不能直接和float运算，必须先转Decimal字符串 - 多线程中修改
getcontext()会影响全局，应改用localcontext()创建副本 -
decimal运算比float慢 10–100 倍，高频数值计算（如科学仿真）别滥用 - JSON 不原生支持
Decimal，序列化前得手动转str或float（后者又丢精度）
最常被忽略的是：哪怕用了 decimal，如果上游数据来自 float 解析（比如 json.loads() 返回的数字），精度早已丢失——得从源头确保输入是字符串。
