面试题：Python浮点数精度序列化存储：常见问题及处理

Question

在Python中处理浮点数精度问题时，经常会遇到数据序列化存储后精度丢失的情况。请描述一种在序列化浮点数（如使用JSON进行序列化存储）时保持相对高精度的方法，并给出代码示例。

Answer 1

1. 使用decimal模块：
   • decimal模块提供了一种十进制浮点运算，能够精确表示小数，避免了浮点数的精度问题。在序列化时，先将浮点数转换为decimal.Decimal对象，然后在反序列化时再转换回浮点数。
   • 代码示例：

import json
from decimal import Decimal


# 模拟一个浮点数
num = 0.1 + 0.2
decimal_num = Decimal(str(num))

# 序列化
serialized_data = json.dumps({'num': decimal_num}, default=str)

# 反序列化
deserialized_data = json.loads(serialized_data)
restored_num = float(deserialized_data['num'])

print(f"原始浮点数: {num}")
print(f"转换为Decimal后的数: {decimal_num}")
print(f"序列化后的数据: {serialized_data}")
print(f"反序列化并转换回浮点数: {restored_num}")

2. 原理：
   • 在上述代码中，首先将浮点数num（这里num是0.1 + 0.2的结果，在普通浮点数运算中存在精度问题）转换为Decimal对象decimal_num。由于Decimal构造函数要求传入字符串形式的数字，所以使用str将浮点数转换为字符串再传入。
   • 在序列化时，通过json.dumps的default参数指定将Decimal对象转换为字符串进行序列化。
   • 反序列化时，先从JSON字符串中加载数据，然后将从JSON中获取的字符串形式的数字转换回浮点数，这样在一定程度上保持了高精度。