在 python3 中，我主要使用 float 或 np.float32/64，当将其存储到数据库中时，即使 SQL 类型是数字/十进制，我们最终也会得到 0.400000000000021 或类似的东西而不是 0.4
如果从其他应用程序访问此类数据可能会出现问题。
在 python 中仅使用 decimal.Decimal 不是我们的答案，因为我们大量使用 pandas，并且不支持 Decimal。
一个解决方案是在插入 SQL 之前将 float 转换为 Decimal（在我们的例子中是 SQL Server，但它是一个细节）。然后在 SELECT 之后从 Decimal 返回到 float。
你有另一种（更好的）方法来处理这样的问题吗？
【问题讨论】：
标签： python sql floating-point decimal precision
问题是你的浮点值不是 0.4，因为在 float32 或 float64（或 Python 原生 float，通常与 float64 相同）中没有值0.4。最接近 0.4 的 float64 是 0.400000000000021，这正是您所拥有的。
由于float 的值与 0.4 最接近，因此如果您要求 Python 将其转换为字符串（例如，print(f)），它会友好地为您提供字符串0.4。
但是当你将它传递给数据库时……嗯，它实际上取决于你使用的数据库接口库。对于一些，它会调用repr，这会给你'0.4'（至少在Python 3.x 中），所以你要求数据库存储字符串'0.4' 的浮点值。但是对于其他人，它将直接将浮点值作为C double 传递，因此您要求数据库存储浮点值0.400000000000021。
那么，你应该怎么做呢？
Decimal 或float80 或decimal64 或其他一些类型？然后，您几乎肯定想要设置一个与您的实际精度相匹配的 SQL 数据类型，如 DECIMAL(12, 6)，并让数据库来处理它。 （毕竟，0.4 舍入到小数点后 6 位和 0.400000000000021 舍入到小数点后 6 位没有区别。）说真的，如果要使用这个数据库的其他代码只是将值读取为float64，或者将它们读取为字符串并将它们转换为float64（或float32），它们将不管你做什么都以0.400000000000021结尾，所以不要做任何事情。
另外，请考虑一下：如果0.4 和0.400000000000021 之间的差异会对您的任何代码产生任何影响，那么您的代码已经被使用float64 破坏，甚至在您访问数据库之前.
【讨论】：
您必须在 SQL 中定义小数位，例如：decimal(8,2)
【讨论】：
如果您不想/需要精度，可以使用np.round(array,roundto)
【讨论】：