用decimal模块可彻底解决二进制浮点误差，但必须用字符串、整数或元组显式构造Decimal对象，禁止从float转换；混合float与Decimal运算会导致精度丢失。
直接说结论：用 decimal 模块能彻底绕过二进制浮点表示缺陷，但必须显式构造 Decimal 对象，不能从 float 直接转。
为什么 float(0.1) + float(0.2) != 0.3？
这是 IEEE 754 二进制浮点标准的固有局限——十进制小数如 0.1 在二进制中是无限循环小数，存储时被截断，导致计算残留误差。这不是 Python 的 bug，而是所有遵循该标准的语言共性问题。
而 decimal 模块底层用整数+小数位数模拟十进制运算，天然支持精确十进制算术。但它不会自动介入 float 运算链，必须主动介入。
正确创建 Decimal 对象的三种方式
错误示范：Decimal(0.1) —— 先让 0.1 被转成不精确的 float，再传给 Decimal，等于把误差“固化”了。
立即学习“Python免费学习笔记（深入）”；
正确做法（按推荐顺序）：
- 用字符串字面量：
Decimal('0.1')、Decimal('1.23456789') - 用整数：
Decimal(123)（无精度损失） - 用元组：
Decimal((1, (1, 2, 3), -2))表示-1.23，适合极端控制场景
特别注意：涉及用户输入或文件读取的小数，务必先转字符串再进 Decimal，例如 Decimal(str(user_input))（仅当确定输入是合法数字字符串时）。
运算时别混用 float 和 Decimal
一旦混合，Python 会把 Decimal 转成 float 再运算，前功尽弃。常见陷阱包括：
-
Decimal('0.1') + 0.2→ 触发隐式转换，结果仍是float -
math.sqrt(Decimal('4'))→math函数只认float，返回2.0（float） - 用
numpy数组存Decimal→ 不支持，会静默降级为object类型，失去精度保障
替代方案：用 decimal.getcontext().prec 控制全局精度，再坚持全链路使用 Decimal；开方等操作改用 Decimal.sqrt() 方法。
性能与上下文配置的实际影响
Decimal 运算比 float 慢 10–100 倍，不是所有场景都值得换。它真正必要的是：
- 金融计算（分、厘级精度不可妥协）
- 科学实验中要求可复现的十进制行为
- 测试用例中需要严格相等断言（比如
assert Decimal('0.1') + Decimal('0.2') == Decimal('0.3')）
默认精度是 28 位，但可通过 getcontext().prec = 10 调整。注意：精度设置影响所有后续运算，且线程不安全——多线程中应使用 localcontext() 隔离。
最常被忽略的一点：Decimal 的舍入规则（ROUND_HALF_UP 等）需显式指定，quantize() 方法才生效，四则运算本身不触发舍入。
