SQLAlchemy Float类型列filter/filter_by等值查询不生效问题

对存储站点经纬度的表做等值过滤查询拦截重复数据时，数据库层==匹配浮点类型字段返回空结果，但将全量数据加载到内存中做等值判断可以正常匹配到目标记录。
复现代码、模型定义如下：

# 查询逻辑
data_dict = {'lat':33.7838, 'lng':-117.225}

filter_test = session.query(Sites.lat, Sites.lng).filter(
        and_(
            Sites.lat == data_dict['lat'],
            Sites.lng == data_dict['lng']
        )
    ).all()

print(f'Filter test: {filter_test}')
no_filter = session.query(Sites).all()
for rec in no_filter:
   if rec.lat == data_dict['lat']:
       print(rec.country, rec.lat, rec.lng)
       print(rec.lat == data_dict['lat'])    

# 输出结果
# 数据库层过滤输出：Filter test: []
# 内存遍历输出：
# United States 33.7838 -117.225
# True
# United States 33.7838 -117.225
# True

# 表模型定义
class Sites(Base):
    __tablename__ = "sites"
    get_table_name = get_table_name
    country = Column(String(15))
    zipcode = Column(Integer)
    lat = Column(Float)
    lng = Column(Float)

问题出在浮点数精度不匹配：

• SQLAlchemy中默认的Float类型映射到数据库的是单精度浮点数（FLOAT），仅占4字节，有效数字精度仅6~7位，存储时会对超出精度的数值做截断。
• Python原生的float是双精度浮点数，占8字节，有效数字精度为15~17位。
• 数据库层做==等值匹配时，传入的双精度值和库中存储的截断后的单精度值存在微小的精度差，判断为不相等，因此返回空结果。
• 全量数据拉到内存后，SQLAlchemy会将数据库读出的单精度值转换为Python双精度float类型，截断后的数值和定义的常量值在Python的浮点比较逻辑下判定为相等，因此内存遍历可以匹配到结果。

• 优先使用定点数类型存储经纬度：将字段类型改为Numeric/DECIMAL定点类型，指定固定精度（经纬度保留6位小数即可达到米级定位精度，完全满足站点去重需求），从存储层面消除浮点精度误差，支持精确等值查询。

  from sqlalchemy import Numeric
  
  class Sites(Base):
      __tablename__ = "sites"
      get_table_name = get_table_name
      country = Column(String(15))
      zipcode = Column(Integer)
      # 总长度10位，小数占6位
      lat = Column(Numeric(precision=10, scale=6))
      lng = Column(Numeric(precision=10, scale=6))
  

• 保留浮点类型时改用范围查询：如果不想修改字段类型，不要对浮点字段做严格等值判断，增加一个极小的误差容忍区间做范围匹配即可，经纬度场景取1e-6的容忍度（对应地表约10厘米误差）足够覆盖精度偏差。

  error_tolerance = 1e-6
  filter_test = session.query(Sites.lat, Sites.lng).filter(
      and_(
          Sites.lat.between(data_dict['lat'] - error_tolerance, data_dict['lat'] + error_tolerance),
          Sites.lng.between(data_dict['lng'] - error_tolerance, data_dict['lng'] + error_tolerance)
      )
  ).all()
  

• 对齐浮点精度：将字段类型改为Double双精度浮点类型，和Python原生float精度对齐，可以减少绝大多数精度不匹配问题，但依然不建议对任何浮点类型做严格等值判断，存在出现偶发精度偏差的可能。

  from sqlalchemy import Double
  
  class Sites(Base):
      __tablename__ = "sites"
      get_table_name = get_table_name
      country = Column(String(15))
      zipcode = Column(Integer)
      lat = Column(Double)
      lng = Column(Double)
  

内容的提问来源于stack exchange，提问作者Ian Murray