Decimal(0.1)不准是因为float先失真再转Decimal；正确写法是Decimal('0.1')或Decimal(1)/Decimal(10)；全局精度由getcontext().prec控制有效数字位数，固定小数位需用quantize()；混用float会静默退化精度。
Python 的 float 类型在金融、科学计算等对精度敏感的场景下会出问题，比如 0.1 + 0.2 得到 0.30000000000000004。用 decimal 模块能真正解决这个问题——但它不是“开箱即用”的替代品，必须显式控制上下文、避免混用类型、注意构造方式，否则照样出错。
为什么直接用 Decimal(0.1) 还是不准？
这是最常踩的坑：Decimal 构造函数如果传入 float，会先让 float 本身失真，再转成 Decimal，结果还是错的。
- ❌ 错误写法：
Decimal(0.1)→ 实际构造的是Decimal('0.1000000000000000055511151231257827021181583404541015625') - ✅ 正确写法：用字符串或整数初始化，
Decimal('0.1')或Decimal(1) / Decimal(10) - ⚠️ 注意：
Decimal('0.10')和Decimal('0.1')在不同精度上下文中可能表现不同，字符串里写了几位，就保留几位有效数字
如何设置全局精度并避免意外截断？
decimal.getcontext().prec 控制所有运算的默认精度（不是小数位数），但它只影响 *运算过程*，不改变输入值的精度。很多人设了 prec=2 就以为结果自动四舍五入到小数点后两位，其实不是。
- 默认
prec=28，足够覆盖大多数需求；金融场景常用prec=28或更高，而非盲目设低 -
prec是“最大有效数字位数”，例如Decimal('123.456') * Decimal('100')在prec=5下得Decimal('12346')（不是'12345.6'） - 如需固定小数位（如金额保留两位），用
quantize()：Decimal('1.2345').quantize(Decimal('0.01'))→Decimal('1.23')
和内置类型混用时会发生什么？
decimal.Decimal 与 int 运算安全，但和 float 一混合，立刻退化回浮点精度——Python 不会报错，而是静默转换。
立即学习“Python免费学习笔记（深入）”；
- ❌ 危险操作：
Decimal('1.1') + 0.1→ 结果是float，精度丢失 - ✅ 安全做法：所有参与运算的数值都用
Decimal构造，或统一转成Decimal再算 - ⚠️ 特别注意：从 JSON、CSV、数据库读出的数字常是
float，不能直接丢进Decimal计算，得先转字符串再构造
真正用好 decimal 的关键，不在“用了没”，而在每一步构造、每一步运算、每一次输出是否都明确控制了精度来源。一个 float 字面量、一次隐式转换、一个没配好的 quantize 参数，都可能让前面所有努力白费。
