Python中Decimal舍入行为疑问：乘法运算精度差异原因咨询

这是个特别典型的浮点数二进制表示陷阱问题，咱们一步步拆解清楚：

核心原因：浮点数的二进制存储本质 #

Python里的float类型遵循IEEE 754双精度标准，它用二进制来存储数值，但大部分十进制小数无法被二进制精确表示——就像你用十进制无法精确表示1/3（0.333...无限循环）一样，二进制对很多十进制小数也是无限循环的，只能存储近似值。

你的两个例子差异，本质是这两个十进制数的二进制近似值，在乘以70后，误差的表现形式不同：

1. 为什么70 × 11.46950得到精确的802.865？ #

其实11.46950本身也无法被二进制精确存储，但它的近似值乘以70之后，刚好落在了802.865这个十进制数对应的双精度浮点数范围内。你可以亲自验证一下：

print(format(11.4695, '.20f'))
# 输出类似 11.46950000000000068212

这个近似值乘以70后，结果的二进制表示刚好和十进制的802.865的二进制表示重合（或者说误差小到在十进制打印时被舍入成了802.865）。

2. 为什么70 × 11.46750得到802.7249999999999？ #

而11.46750的二进制近似值就没这么“幸运”了：

print(format(11.4675, '.20f'))
# 输出类似 11.46749999999999928946

这个略小于11.4675的近似值乘以70后，结果就是802.7249999999999，误差被放大后直接体现在了十进制输出里。

解决办法：用decimal模块做精确十进制计算 #

如果你的场景需要严格的十进制精度（比如金融计算），别用原生float，改用Python标准库的decimal模块，它直接基于十进制规则处理数值，能避免二进制浮点数的误差：

from decimal import Decimal

# 注意要用字符串传入数值，避免float初始化时的误差
result1 = Decimal('70') * Decimal('11.46950')
result2 = Decimal('70') * Decimal('11.46750')

print(result1)  # 输出 802.865
print(result2)  # 输出 802.725

简单总结：不是第一个数能被精确表示，只是它的近似误差在计算后刚好没暴露出来；第二个数的误差则在乘法后显现了。这就是浮点数精度问题的典型表现~

内容的提问来源于stack exchange，提问作者pokiman