Python 金融计算中为何避免 float

金融计算中必须用 decimal 而非 Float，因 float 的二进制近似导致 0.1+0.2≠0.3；decimal 需字符串初始化、避免与 float 混用、除法后 quantize 四舍五入到分，并注意数据库和第三方库中隐性 float 渗透。

float 在金融计算中会悄悄出错

因为 float 是二进制近似表示，像 0.1 + 0.2 不等于 0.3，而是 0.30000000000000004。金融场景要求精确到分（小数点后两位），这种误差在加总、比对、扣款时会累积或触发逻辑错误——比如账不平、优惠券没生效、对账失败。

用 decimal.Decimal 替代 float 的实操要点

decimal.Decimal 是 python 内置的十进制高精度类型，专为财务和会计设计。但它不是“开箱即用”，容易踩坑：

• 必须用字符串初始化：Decimal("19.99")，而不是 Decimal(19.99)（后者仍会先走 float 转换，污染精度）
• 运算符支持良好（+, -, *, /），但除法需注意：默认保留无限精度，实际中常要配合 quantize() 四舍五入到分
• 不能和 float 混用：Decimal("10.5") + 0.1 会抛 TypeError
• 性能比 float 低一个数量级，但金融系统吞吐量通常不卡在这里，精度优先

示例：

from decimal import Decimal, ROUND_HALF_UP<br> price = Decimal("99.99")<br> tax_rate = Decimal("0.08")<br> total = (price * (1 + tax_rate)).quantize(Decimal("0.01"), rounding=ROUND_HALF_UP)<br> # → Decimal('107.99')

数据库交互时 decimal 容易漏掉的转换环节

即使代码里用了 Decimal，从数据库读写时可能又掉回 float：

• sqlite 默认把 NUMERIC 当 float 处理，需显式设置 detect_types=sqlite3.PARSE_DECLTYPES 并注册适配器
• postgresql 的 DECIMAL 列，用 psycopg2 时默认返回 float，要启用 psycopg2.extras.register_decimal()
• mysql + pymysql 一般能自动映射 DECIMAL 到 Decimal，但得确认 cursorclass 未覆盖该行为

第三方库传参时 float 的隐性渗透

很多金融相关库（如 yfinance、ccxt、甚至 pandas 的部分方法）内部用 float，返回值也是 float。直接拿结果做金额运算等于前功尽弃：

立即学习“Python免费学习笔记（深入）”；

• 别写 amount = yf.Ticker("AAPL").history(...).iloc[-1]["Close"] 然后参与结算
• 应立即转成 Decimal(str(value))（注意是 str，不是 float）
• pandas 的 Series.astype("decimal") 不可用，得用 .apply(Lambda x: Decimal(str(x)))

最麻烦的是：这类问题不会报错，只会在某次对账差异几毛钱时才暴露。