json.dumps() 无法直接控制浮点数精度，必须通过 default 参数或自定义 JSONEncoder 子类拦截 float 并格式化为字符串；f"{obj:.6f}".rstrip("0").rstrip(".") 可实现去零保留有效小数，但结果为字符串类型，不改变 JSON 数值本质。
json.dumps() 无法直接控制浮点数精度，必须用 default 或 cls
Python 标准库的 json.dumps() 没有 float_precision、float_format 这类参数。传入的 float 值会按 Python 默认浮点字符串转换规则输出（通常是 17 位有效数字，但显示时可能截断或科学计数），你看到的 “精度不一致” 其实是 repr(float) 的行为，不是 JSON 库主动“四舍五入”。想真正控制格式，只能拦截浮点数并手动转成字符串或定点数。
用 default 参数单独处理 float 类型
这是最轻量、最常用的方式：给 json.dumps() 传一个 default 函数，当遇到无法序列化的类型（比如 float）时调用它。注意：该函数不能返回原始 float，否则会无限递归；必须返回 JSON 支持的类型（如 str、int、None）。
示例：保留 6 位小数，不补零，不转科学计数法：
import jsondef float_to_str(obj): if isinstance(obj, float): return f"{obj:.6f}".rstrip("0").rstrip(".") raise TypeError(f"Object of type {type(obj)} is not JSON serializable")
data = {"x": 3.1415926535, "y": 2.0, "z": 0.0001} print(json.dumps(data, default=float_to_str))
输出：{"x": "3.141593", "y": "2", "z": "0.0001"}
-
f"{obj:.6f}"强制 6 位小数，避免str(0.1)变成"0.10000000000000001" -
.rstrip("0").rstrip(".")去掉末尾冗余零和可能的小数点（如2.0 → "2"） - 如果需要固定宽度（如始终带两位小数），就用
f"{obj:.2f}"，不strip - 该方法对嵌套结构（
list、dict内的float）同样生效
用自定义 JSONEncoder 子类更灵活，但要注意 encode() 和 default() 的分工
继承 json.JSONEncoder 适合需要复用、或同时定制多种类型（如 datetime + float）的场景。关键点：不要重写 encode() —— 它负责整个对象树的入口，改了容易破坏递归逻辑；应该只重写 default() 方法，让它处理浮点数，其余交给父类。
示例：
class FloatPrecisionEncoder(json.JSONEncoder):
def __init__(self, precision=4, **kwargs):
super().__init__(**kwargs)
self.precision = precision
def default(self, obj):
if isinstance(obj, float):
return f"{obj:.{self.precision}f}"
return super().default(obj) # 让父类处理其他类型data = {"pi": 3.1415926, "e": 2.7182818}
print(json.dumps(data, cls=FloatPrecisionEncoder, precision=3))
输出：{"pi": "3.142", "e": "2.718"}
- 构造时传
precision，比闭包函数更易配置 - 必须调用
super().default(obj)处理非float类型，否则int、None等会报错 - 如果数据里有
numpy.float64，isinstance(obj, float)不匹配，得额外加判断（如hasattr(obj, "item") and callable(obj.item)）
别踩这些坑：科学计数法、精度丢失、类型混淆
直接用 round(x, n) 再交给 json.dumps() 是无效的 —— round() 返回仍是 float，序列化时还是走默认路径，根本没改变显示格式。另外，把浮点数转成字符串后，JSON 中它就是字符串类型，前端收到的是 "3.14" 而不是数字 3.14，如果下游依赖数值计算，这会引发类型错误。
- 想保留数值类型又控制显示？做不到。JSON 规范里只有
number，没有“带精度的 number”；所有精度控制都意味着转成string或int -
float本身存在二进制精度限制（如0.1 + 0.2 != 0.3），格式化只是掩盖问题，不是修复问题 - 如果目标是传输给数据库或 API，且对方接受字符串数字，那用
default是安全的；如果对方严格要求 number 类型，就只能接受 Python 默认输出，或在上游用decimal.Decimal替代float
