然后，当我把一个 2 位小数的数存进数据库，一查看，有的变成了 1 位小数，有的直接无小数了，反正就奇奇怪怪的。这就是因为精度损失了。我们一般在操作数据库的时候，可能用 decimal 或者 double 这样的字段类型来替换 float 类型，就可以解决这个问题了。但是在 SQLAlchemy 里，事情没有这么简单：模型字段、数据库方言、Python 数值类型和序列化层都会影响最终结果，单换一个类型名并不一定万事大吉。
先理解 Float 为什么不可靠
Float 属于近似数值类型，底层通常遵循 IEEE 754 浮点表示。很多十进制小数，比如常见的分位、角位，在二进制里无法被精确表示，只能截断或舍入。数据库里的 FLOAT、REAL、DOUBLE 都有类似特性，只是有效位数不同。所以存进去是两位小数，读出来变成一位或没有小数，并不一定是 SQLAlchemy 的 bug，而是浮点类型本身的设计目标造成的。
严格说，double 只是比 float 有更多有效位，仍然不能保证固定小数位。金额、单价、税率、账目这类需要精确十进制的场景，不应该依赖 float 或 double。
优先使用 Numeric 或 DECIMAL
在 Flask-SQLAlchemy 模型中，可以把 Float 换成 Numeric 或 DECIMAL：
“`python
from flask_sqlalchemy import SQLAlchemy
db = SQLAlchemy()
class Product(db.Model):
id = db.Column(db.Integer, primary_key=True)
price = db.Column(db.Numeric(10, 2), nullable=False)
“`
这里的 `Numeric(10, 2)` 表示总位数和小数位数，具体精度要按业务确定。SQLAlchemy 的 Numeric 默认 `asdecimal=True`，读取时返回 `decimal.Decimal`。在 MySQL、PostgreSQL 等数据库中，它通常会映射为 DECIMAL 或 NUMERIC 类型，能按定义保留小数位。SQLite 的类型系统比较宽松，测试时仍要覆盖写入和读取路径。
不要误以为 `Float(precision=2)` 就能固定两位小数。Float 的 precision 更多影响 DDL 或数据库方言行为，并不保证值在计算和存储中精确。
Python 侧也要用 Decimal
只改数据库字段还不够。如果写入前先用 float 运算，再传给 Numeric，精度在进入数据库之前就已经丢了。推荐从字符串或 Decimal 构造：
“`python
from decimal import Decimal
price = Decimal(“12.34”)
“`
避免 `Decimal(12.34)`，因为参数会先变成 float。计算、累加、比较时也尽量保持 Decimal，不要中途转回 float。对于需要固定小数位的业务，可以在序列化或展示前再统一格式化。
迁移与已有数据
如果表里原本就是 Float，改成 Numeric 需要迁移。可以用 Alembic 生成变更，但要评估已有数据的转换方式。比较稳妥的做法是新增一个 Numeric 列，回填数据，切换代码读写新列，确认无误后再删除旧列。回填时，如果原始来源是字符串或可追溯的精确值，优先用字符串转换；如果只能从 Float 列转换，那只能得到近似值，因为旧数据已经损失了精度。
序列化与接口输出
Flask 返回 JSON 时，Decimal 不能总是被默认编码器直接处理。可以转成字符串保留精确值，也可以按展示需要转成 float 并格式化。如果接口调用方要继续做金额计算，建议输出字符串并说明精度，避免对方再落入浮点陷阱。
小结
Float 适合科学计算、传感器数据等允许近似值的场景；金额、单价、税务、账目等需要固定小数位的业务，应使用 Numeric 或 DECIMAL，并让 Python 侧使用 Decimal。SQLAlchemy 中把 Float 换成 Numeric 是第一步，表单校验、计算逻辑、数据迁移和 JSON 序列化一起调整，才能真正解决浮点数精度丢失的问题。