0.1 + 0.2 ≠ 0.3 是因 ieee 754 二进制浮点数无法精确表示十进制小数，导致精度丢失；应使用 decimal('0.1') 字符串初始化，避免 decimal(0.1)；运算中禁用 float 混用，控制精度需用 localcontext() 设置 prec 和 rounding。
为什么 float 类型算 0.1 + 0.2 ≠ 0.3？
这不是 Python 的 bug，而是 IEEE 754 双精度浮点数在二进制下无法精确表示十进制小数（比如 0.1 实际存储为近似值）。结果就是：0.1 + 0.2 == 0.3 返回 False。金融计算、科学测量等场景必须避免这种误差。
根本原因在于底层用二进制存储，而很多有限十进制小数是无限二进制小数 —— 就像 1/3 在十进制里是 0.333… 一样。
decimal 模块怎么初始化才不踩坑？
直接用 Decimal('0.1')，别用 Decimal(0.1)。后者会先让 float 解析 0.1 成二进制近似值，再转成 Decimal，误差已经进来了。
-
Decimal('0.1') + Decimal('0.2')→ 精确得到Decimal('0.3') -
Decimal(0.1) + Decimal(0.2)→ 得到类似Decimal('0.3000000000000000444089209850062616169452667236328125') - 字符串初始化是唯一安全入口；整数、
Fraction也可，但字符串最常用也最可控
如何控制全局精度和舍入方式？
decimal 默认精度是 28 位，但这个“精度”指**有效数字位数**，不是小数点后几位。实际计算中常需显式设置上下文，否则容易误判结果长度或舍入行为。
推荐做法：用 localcontext() 临时修改，避免污染全局：
from decimal import Decimal, localcontext
<p>with localcontext() as ctx:
ctx.prec = 6 # 总共最多 6 位有效数字
ctx.rounding = 'ROUND_HALF_UP'
result = Decimal('1.2345678') + Decimal('2.3456789')</p><h1>result 是 Decimal('3.58025')，不是 '3.580247'</h1>
- 不要直接改
getcontext().prec，多线程下会互相干扰 -
ROUND_HALF_UP是四舍五入（日常会计常用），区别于默认的ROUND_HALF_EVEN（银行家舍入） - 精度设太高（如 100）不会提升准确度，只影响中间计算保留位数；设太低会过早截断
decimal 和 float 混用会出什么问题？
只要出现 +、-、*、/ 等运算符，Python 会尝试把 Decimal 转成 float 再算 —— 一旦转成 float，精度就彻底丢了。
- 错误写法：
Decimal('1.1') + 2.5→ 结果是float，且2.5还算干净，但0.1就不行 - 正确写法：
Decimal('1.1') + Decimal('2.5')或Decimal('1.1') + Decimal(25).scaleb(-1) - 输入来源是 JSON / CSV / 用户表单时，务必统一用字符串转
Decimal，别信float(input_str)
真正难的不是调用 Decimal，而是守住所有输入出口和中间转换边界 —— 少一次隐式 float 转换，就少一个精度漏洞。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
