刚开始跟Python打交道那会儿，我敢说，十个人里有九个，都被一个看似简单到离谱的问题给“问候”过。

你打开交互式命令行，信心满满地敲下 0.1 + 0.2，心里想着，这不就是小学数学嘛，答案必须是 0.3 啊。结果，回车一按，屏幕上给你来一个 0.30000000000000004。

那一瞬间，是不是感觉自己的世界观受到了冲击？怀疑人生，怀疑电脑，甚至怀疑Python这门语言是不是有什么惊天大bug。别慌，这口锅，Python背得有点冤。这也不是你一个人的“奇遇”，这是所有程序员，无论用什么语言，都绕不开的一个坎儿，一个关于 float，也就是浮点数的“原罪”。

说白了，咱们人类用的是十进制，掰着指头数数，特自然。但电脑这哥们儿，脑子里只有0和1，它用的是二进制。这就导致了一个尴尬的局面：很多我们看着很“整”的十进制小数，比如 0.1，转换成二进制后，它就变成了个无限循环小数，就像十进制里的 1/3 等于 0.33333… 一样，没完没了。

计算机内存有限啊，它存不下无限长的数字，怎么办？只能在某个位置，“咔嚓”一刀切断，然后取一个近似值。就是这个“近似”，成了万恶之源。0.1 存进去的时候已经不是纯粹的 0.1 了，0.2 也一样。两个不精确的数字加在一起，结果自然也是不精确的。那个多出来的 ...00004，就是它们在二进制世界里几经辗转、损失精度后留下的“疤痕”。

“那这玩意儿有啥影响？” 影响可太大了。

如果你只是做点小练习，打印个结果，多个尾巴可能无伤大雅，看着不爽而已。但想象一下，你正在写一个 金融交易系统。每一笔账目都涉及到钱，要求 分毫不差。你用 float 去算，一笔交易差了 0.00000000000004 元，看起来微不足道。但如果成千上万笔交易累加起来呢？一天下来，账上可能就莫名其妙地多出或者少了好几块钱。一个月，一年下来呢？这漏洞要是被别有用心的人利用，后果不堪设想。

我当年就踩过这么个雷。做个电商后台的佣金计算，逻辑很简单，就是订单金额乘以一个百分比。结果测试的时候，总有那么几个对账单，差个一分两分的。查了半天逻辑，没问题啊。最后把所有涉及金额计算的地方，从 float 换掉，世界才清净了。从那以后，我就立下规矩：凡是涉及到钱，或者任何要求绝对精确的业务，谁用 float 我跟谁急。

那不用 float，我们用什么来表示小数？

答案就是Python标准库里藏着的“大杀器”—— Decimal 模块。

Decimal，字面意思就是“十进制”。它的设计哲学，就是为了“模拟”咱们人类用笔和纸做数学计算的方式，来解决 float 的二进制精度问题。它把数字，特别是小数部分，当作一个字符串来处理，从而保证了在计算过程中的绝对精确。

用起来也简单，但有个关键的“仪式感”不能少。

首先，你得把它请出来：
from decimal import Decimal

然后，最最重要的一步，也是新手最容易掉进去的第一个大坑，就是创建 Decimal 对象的时候，一定要用字符串！

我给你看个对比，你就明白了：

“`python
from decimal import Decimal

错误示范：用 float 创建

print(Decimal(0.1))

输出 -> Decimal(‘0.1000000000000000055511151231257827021181583404541015625’)

正确示范：用字符串创建

print(Decimal(‘0.1’))

输出 -> Decimal(‘0.1’)

``
看到了吗？如果你把一个float类型的0.1直接传给Decimal，它会忠实地把你那个已经不精确的float值完完整整地转换过来，那串长长的尾巴依然阴魂不散。你必须传一个字符串‘0.1’进去，Decimal` 才能把它当作一个纯粹的、未被二进制污染的十进制数来处理。

搞定了创建，接下来的加减乘除就跟普通数字没什么两样了：

“`python
from decimal import Decimal

a = Decimal(‘0.1’)
b = Decimal(‘0.2’)
print(a + b) # 输出: Decimal(‘0.3’)
``
看，0.3`，严丝合缝，童叟无欺。这就是我们想要的结果。

Decimal 的能耐还不止于此。它还提供了强大的 精度控制 和 舍入 功能。

有时候，我们做除法，可能会得到一个无限小数，比如 1 / 3。Decimal 默认会提供一个很高的精度（默认28位），但你也可以随心所欲地控制它。

“`python
from decimal import Decimal, getcontext

设置全局精度为4位

getcontext().prec = 4

result = Decimal(‘1’) / Decimal(‘3’)
print(result) # 输出: Decimal(‘0.3333’)
``getcontext().prec` 就是用来设置有效数字的总位数的。

而我个人最喜欢的功能，是它的 quantize() 方法，专门用来做舍入，简直是财务计算的福音。

比如说，我们要把一个数保留到小数点后两位，并且采用“四舍五入”的方式：

“`python
from decimal import Decimal, ROUND_HALF_UP

ROUND_HALF_UP 就是我们常说的四舍五入

number = Decimal(‘1.235’)
rounded_number = number.quantize(Decimal(‘0.00’), rounding=ROUND_HALF_UP)
print(rounded_number) # 输出: Decimal(‘1.24’)
``quantize的第一个参数‘0.00’定义了我们想要的格式（精确到分），rounding参数则指定了舍入规则。除了ROUND_HALF_UP，它还支持“银行家舍入”（ROUND_HALF_EVEN`，这是很多金融系统默认的规则）、向上取整、向下取整等等，非常专业。

那么，是不是以后我们写Python就跟 float 彻底告别，全盘拥抱 Decimal 了呢？

也别这么极端。

你需要建立一个清晰的场景判断：

• 什么时候用 Decimal？

  • 金融和货币计算：这是它的主场，没得商量。
  • 要求高精度的科学计算或工程测量。
  • 任何用户输入的、需要保持原始精度的十进制数。

• 什么时候可以继续用 float？

  • 当你处理的是物理测量、图形学、机器学习模型的权重等本身就不要求绝对精确，或者说数据源本身就有误差的场景。在这些地方，float 的计算速度比 Decimal 快得多，性能优势巨大。
  • Decimal 是用软件模拟十进制运算，而 float 是有底层硬件（FPU）支持的，速度上不是一个量级。

打个比方，float 就像一辆追求速度的赛车，它很快，能带你迅速到达目的地，但路上可能会有点颠簸，细节上没那么平稳。而 Decimal 就像一辆运送精密仪器的装甲车，它可能开得慢一些，但稳如泰山，能保证你运送的东西完好无损，分毫不差。

你是要去赛道狂飙，还是要去银行金库押运？根据你的任务来选择合适的座驾。

所以，下次再看到 0.1 + 0.2 的那个“怪异”结果，不要再一脸茫然了。你要知道，这背后是计算机科学的基础原理。更重要的是，你知道了在Python这个强大的工具箱里，藏着 Decimal 这样一把锋利的瑞士军刀，专门用来解决这类问题。

记住，代码里遇到的每一个诡异现象，背后都有它的道理。别怕，搞懂它，用对工具，你就是那个更牛的程序员了。