必须用 decimal 而不是 float 的场景是金融计算、会计对账、需要精确小数位的业务逻辑，因 float 存在二进制浮点误差，导致金额不一致，如 0.1 + 0.2 != 0.3；decimal 保证十进制精度，但需字符串初始化并显式 quantize 控制舍入。
什么时候必须用 decimal 而不是 float
金融计算、会计对账、需要精确小数位的业务逻辑——这些场景下，float 的二进制浮点误差会直接导致金额不一致。比如 0.1 + 0.2 == 0.3 在 float 中是 False，但在 decimal 中是 True。
常见错误现象：sum([0.1] * 10) == 1.0 返回 False；数据库写入后读出金额多出 0.000000000000001；对账时差 1 分钱但查不出原因。
- 使用场景：银行流水记账、发票税额计算、库存单价乘以数量、API 返回带精度要求的数值字段
-
decimal不解决“四舍五入逻辑混乱”问题，它只保证十进制精度；具体怎么舍入得靠quantize()显式控制 - 性能影响明显：
decimal运算比float慢 5–10 倍，高频数值计算（如实时风控评分）要权衡
Decimal 初始化时字符串和数字的区别
传字符串能保精度，传 float 或整数会继承原始值的表示缺陷。比如 Decimal(0.1) 实际是 Decimal('0.1000000000000000055511151231257827021181583404541015625')，完全违背使用初衷。
正确做法只有两个：
立即学习“Python免费学习笔记（深入）”；
- 始终用字符串初始化：
Decimal('0.1')、Decimal('199.99') - 从整数或
Decimal实例转换：Decimal(19999) / Decimal(100)
容易踩的坑：json.loads() 解析出来的数字默认是 float，直接喂给 Decimal 就废了；应先转成字符串再构造。
如何安全地做加减乘除和舍入
decimal 默认不自动舍入，所有运算都按内部高精度进行，输出时才按上下文截断。这意味着 Decimal('1.234') * Decimal('5.67') 结果有 6 位小数，但你可能只要 2 位。
eSiteGroup站群管理系统是基于eFramework低代码开发平台构建，是一款高度灵活、可扩展的智能化站群管理解决方案，全面支持SQL Server、SQLite、MySQL、Oracle等主流数据库，适配企业级高并发、轻量级本地化、云端分布式等多种部署场景。通过可视化建模与模块化设计，系统可实现多站点的快速搭建、跨平台协同管理及数据智能分析，满足政府、企业、教育机构等组织对多站点统一管控的
关键操作：
- 用
quantize()强制指定精度：result.quantize(Decimal('0.01'))表示保留两位小数 - 舍入方式必须显式传参：
quantize(Decimal('0.01'), rounding=ROUND_HALF_UP)，否则用系统默认（通常是ROUND_HALF_EVEN） - 除法必须设
prec上下文，否则可能无限循环小数报错：getcontext().prec = 28
注意：+、-、* 不触发舍入；只有 / 和 quantize() 才真正影响结果位数。
和数据库、JSON、Django 字段交互时的典型陷阱
数据库驱动（如 psycopg2）通常把 NUMERIC 字段映射为 Decimal，看着省心，但一转 JSON 就崩——json.dumps() 不认 Decimal。
真实问题链：
- Django 的
DecimalField存的是Decimal，但前端传来的request.data['amount']是float或字符串，没统一处理就存进去，精度已丢 -
psycopg2读出Decimal，直接塞进json.dumps()报TypeError: Object of type Decimal is not JSON serializable - ORM 查询聚合（如
Sum('price')）返回Decimal，但和 Python 数字混算时隐式转float
建议做法：统一在序列化层转字符串，或用自定义 JSONEncoder；入库前强制用字符串构造 Decimal；别依赖 ORM 自动类型转换。
最常被忽略的一点：Decimal 的 == 比较看似安全，但如果一边是 Decimal('1.0')，另一边是 Decimal('1')，它们相等；但若涉及 quantize() 后的值，尾部零会影响比较结果——比如 Decimal('1.00').quantize(Decimal('0.01')) != Decimal('1.0').quantize(Decimal('0.01'))，因为前者是 1.00，后者是 1.0，精度不同。
