Python中的数字有各种形状和形式。存在不同类型的数字表示的原因是因为它们都有不同的权衡。这些权衡通常令人惊讶！整数
关于整数的最令人惊讶的事情是它们停止成为整数的难易程度。例如，4/3将两个整数相除 得到一个浮点数，并且(4/3)*3是 float 4.0。即使程序没有浮点数输入，浮点数存在于某处所需的所有操作都是除法运算。浮点数
浮点数的行为不像数字。数字遵循某些数学特性：减法是加法的逆，加法是关联的，等等。
例如
将两个数字相加，然后一次相减一个，将不会得到相同的值。
他们不遵守加法的关联法则 a + (b + c) = (a + b) + c：
这些仅显示浮点数出现的两个极端情况，这可能令人惊讶。关于浮点行为可能令人惊讶的方式的完整论述太大了，不足以适合此文章的空白。分数
许多看起来简单明了的算法都会用精确的分数“爆炸”。爆炸通常从时间爆炸开始：算法变成“二次方”：花费的时间与输入长度不成正比，而与输入长度的惊吓成正比。换句话说，将输入大小加倍 会花费四倍的时间。
如果花费足够的时间，内存爆炸也是可能的：空间需求增加，直到所有内存都填满。
一种防止内存爆炸的怪异方法是，通常花很长时间才能获得它，并且该程序会因“挂起”而被杀死。
一种这样的“算法”是加法。
这只是将反数添加到一些素数中（我从列表中删除了前几个，然后将列表切成下一个10,000）。在设计成游戏平台的笔记本电脑上，一分钟内增加10,000个数字，结果输出超过90K！
相比之下，使用浮点数运行相同的算法效率更高：
花费的时间不到一毫秒，其中一些可能是datetime以来的测量误差 。这快了大约10,000倍。输出可以保存为17个字节：空间仅减少1000。但是，结果不准确：
结果相差不到1e-14。这就像将到月球的距离弄错了1毫米。在不涉及将火箭发射到月球的公差小于一毫米（一粒沙）的情况下，浮子的结果足够精确，效率更高几个数量级。
许多响应都是基于“分数很慢，因为分数是用Python实现的”。Python可能会导致速度降低10倍，而不是10,000倍。有一个第三方模块 quicktions，它使用Cython实现分数。
使用quicktions，的确是更快。在我的笔记本电脑上，时间从一分十六秒减少到一分十五秒。
从根本上讲，问题在于这是二次算法。我仔细选择了输入：小数加法的最坏情况是在质数上。但是，除非可以预测算法的输入，否则除了最坏的情况外，你将无法依赖其他任何东西。小数点
小数在管理金融交易时很有用。出于最无聊的原因，这可能是：财务法律以小数点表示。但是，Python中的所有小数点计算都由隐藏的全局状态控制：context。上下文决定了精度，它取材于对API远距离动作有问题的漫画。
引用文档 （对于Python 3.8）：
实际上，代码在设置精度和进行计算之间可能有数百行。计算可以在另一个函数中，甚至在另一个文件中。
在Python中使用十进制数字的唯一安全方法是 localcontext：
只要小心使用 localcontext，小数就可以很好地工作。它是线程安全的和信号安全的。摘要
在对代码中的数字进行处理之前，请停下来思考。你应该使用哪种类型？你想发生什么？哪些公差很重要？
不思考意味着让代码中的极端情况发生。
进阶学习资料获取方式：私信小编 “ 学习 ”，即可免费获取！
领取方式：老规矩，直接私信小编 “ 学习 ”，即可获取啦！
谢谢大家的支持！