Python的round()采用银行家舍入法且受浮点精度限制，如round(2.675,2)得2.67；高精度场景应使用Decimal模块，从字符串构造并用quantize()控制小数位。

python怎么控制浮点数精度_round与decimal模块精准计算

为什么 `round()` 有时不按预期四舍五入？

Python 的 round() 函数不是“数学意义上的四舍五入”，而是遵循“四舍六入五成双”（银行家舍入法），且底层依赖 IEEE 754 浮点表示 —— 这意味着很多十进制小数根本无法精确存储。

常见错误现象：round(2.675, 2) 返回 2.67 而不是 2.68，因为 2.675 在内存中实际是略小于 2.675 的近似值。

这不是 bug，是浮点数表示的固有限制
round() 对 float 输入操作，输入本身已失真
它适合快速展示、非金融类近似处理，不适合精度敏感场景

什么时候必须用 `decimal` 模块？

当你需要可预测、可重现、符合十进制直觉的算术时 —— 比如价格计算、财务报表、测试断言中的数值比较。

使用场景：

计算商品总价含税，要求分位严格对齐
单元测试中验证 0.1 + 0.2 == 0.3 类断言（float 下恒为 False）
配置中定义精度策略（如“保留两位小数，向上进位”）

关键参数差异：

decimal.getcontext().prec 控制有效数字位数（不是小数位数）
真正控制小数位的是 quantize() 方法，需配合 Decimal('0.01') 这类模板

运算前务必把原始数字转为 Decimal 字符串构造，避免 float 入口污染：

from decimal import Decimal
# ✅ 正确：从字符串初始化
d = Decimal('2.675').quantize(Decimal('0.01'))

❌ 错误：先走 float，精度已丢

d = Decimal(2.675).quantize(Decimal('0.01')) # 实际是 Decimal('2.67499999999999982236431605997495353221893310546875')

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

`decimal` 的性能和兼容性代价

decimal 是纯 Python 实现的高精度类型，比原生 float 慢 10–100 倍，尤其在大量循环或科学计算中明显。

不支持 NumPy 数组原生运算，混合使用需显式转换，易触发隐式降级
与 JSON、Pandas 默认序列化不兼容：json.dumps(Decimal('1.23')) 报错，需自定义 encoder
第三方库（如 requests、SQLAlchemy）通常只认 float 或 int，传 Decimal 可能被静默转成 float

所以：

仅在输入/输出边界（如读取 CSV 金额列、写入数据库前）启用 decimal
中间计算若不涉及用户可见精度，仍可用 float 提速
用 isinstance(x, Decimal) 替代 type(x) == Decimal，更安全

一个可靠的小数位控制函数长什么样？

别封装 round()，直接封装 quantize()，并强制字符串输入路径：

from decimal import Decimal, ROUND_HALF_UP
<p>def round_decimal(value: str | float | int, places: int = 2) -> Decimal:
d = Decimal(str(value))  # 强制过 str，切断 float 失真链
quantize_to = Decimal('1e-{}'.format(places))
return d.quantize(quantize_to, rounding=ROUND_HALF_UP)</p><h1>示例</h1><p>round_decimal('2.675', 2)   # Decimal('2.68')
round_decimal(2.675, 2)    # Decimal('2.68') —— 注意：这里靠 str(2.675) 补救，但不推荐传 float</p>