Python decimal.Decimal 怎样避免浮点数构造误差

如果你看到 Decimal(0.1) 变成一串很长的小数，通常不是 Decimal 算错了，而是它把传入的二进制浮点值精确转换出来了。需要保留人类输入的十进制含义时，用 Decimal("0.1")；输入本来就是整数或已有 Decimal 时，可以直接构造。

官方文档：https://docs.python.org/3/library/decimal.html

先分清两种“0.1”

Python 的 float 使用二进制浮点表示，十进制的 0.1 通常不能被有限的二进制位精确表示。Decimal 从 float 构造时不会替你把它改回“看起来像 0.1”的文本，而是无损保留这个 float 的实际值，所以结果可能是：

from decimal import Decimal

# 字符串表达的是业务输入的十进制含义。
from_text = Decimal("0.1")

# float 先经历二进制表示，再被 Decimal 无损转换。
from_float = Decimal(0.1)

print(from_text)
print(from_float)
print(from_text == from_float)

0.1
0.1000000000000000055511151231257827021181583404541015625
False

这里的重点是“构造时发生了什么”：上下文精度不会截断构造出来的 Decimal 位数。官方文档也明确区分了 float 的精确转换和字符串构造，因此不要指望修改 getcontext().prec 就能修复已经进入系统的 float 误差。

按输入来源选择构造方式

最稳妥的原则是：金额、比例和配置文件中的十进制数字，尽早以字符串进入 Decimal；计数、分值等本来就是整数的数据，可以从整数构造；已经是 Decimal 的值不必再次绕到 float。

from decimal import Decimal

def to_decimal(value):
    # 字符串保留外部输入的十进制语义。
    if isinstance(value, str):
        return Decimal(value)
    # 整数转换没有二进制小数误差。
    if isinstance(value, int):
        return Decimal(value)
    # 已有 Decimal 直接复用其精确表示。
    if isinstance(value, Decimal):
        return value
    # 不让 float 静默混入金额或精度敏感计算。
    if isinstance(value, float):
        raise TypeError("请先明确 float 的转换策略")
    raise TypeError(f"不支持的数值类型：{type(value).__name__}")

price = to_decimal("19.90")
count = to_decimal(3)
total = price * count
print(total)

59.70

如果上游只有 float，不能靠换成 Decimal.from_float() 来消除误差；这个构造器同样表达“保留 float 实际值”的语义。只有在你明确接受该二进制值，或者它代表的是测量结果而不是十进制业务输入时，才应该保留这条路径。

在边界处把误用变成错误

大型项目中，问题往往不是某一行写错，而是某个数据入口悄悄把 float 传了进来。可以在测试、开发环境或关键计算边界打开 FloatOperation trap，让 Decimal(float) 和 Decimal 与 float 的不安全混用尽早暴露。

from decimal import Decimal, FloatOperation, getcontext

context = getcontext()
# 打开浮点混入检查，避免错误输入被静默接受。
context.traps[FloatOperation] = True

safe = Decimal("3.14")
print(safe)

# 这一行会触发 decimal.FloatOperation。
unsafe = Decimal(3.14)

不要把这个 trap 当成所有场景都必须开启的全局开关。遗留代码、第三方库或科学计算可能确实需要接收 float；更实际的做法是把它放在金额模块、输入适配器和测试环境，并在边界函数里记录清晰的转换策略。

精度和舍入要放在运算阶段

构造解决“输入代表什么”，上下文精度解决“运算保留多少有效位”，quantize() 解决“结果要落到什么固定小数位”。三者职责不同：

from decimal import Decimal, ROUND_HALF_UP, localcontext

with localcontext() as context:
    # 中间计算的有效精度由上下文控制。
    context.prec = 12
    raw_total = Decimal("7.325") * Decimal("2")
    # 最终金额的位数由 quantize 模板控制。
    total = raw_total.quantize(Decimal("0.01"), rounding=ROUND_HALF_UP)
    print(total)

14.65

常见问题

把 Decimal(0.1) 改成 Decimal(str(0.1)）可以吗？

它通常会得到 Decimal("0.1")，但这一步依赖 float 的字符串化结果，不能替代从原始文本直接构造。最好的入口仍是让外部 JSON、CSV 或表单文本直接进入 Decimal。

设置 Context.prec 后，Decimal(0.1) 会自动变短吗？

不会。构造时保存的位数由输入值决定，Context.prec 主要影响算术运算。要得到固定小数位结果，应在明确业务规则后使用 quantize()。

记住一句话：输入是十进制文本就按文本构造，float 进入 Decimal 前先做决策，运算精度和最终舍入分别放在 Context 与 quantize 中处理。