python内置模块decimal模块详解:提供十进制浮点运算支持;主要用来处理和运算小数(四舍五入、有效数字个数、精度运算)
前言
1、 decimal 模块提供十进制数据类型,并且存储为十进制数序列;
2、 decimal 模块提供有界精度:用于存储数字的位数是固定的,可以通过 decimal.getcontext().prec=x 来设定,不同的数字可以有不同的精度。
3、 decimal 模块提供浮点:十进制小数点的位置不固定(但位数是固定的)。
4、 decimal 的构建:可以通过整数、字符串或者元组构建 decimal.Decimal ,对于浮点数需要先将其转换为字符串。
5、 decimal 模块所表示的数是完全精确的。
6、 decimal.Decimal 类包含十进制数据有效位的概念:(例如:1.30 + 1.20的结果是2.50,保留尾随零以表示有效位)
用法
1、初始化Decimal类时的类变量为整型或者字符串
(注意:但类变量不能是浮点数据类型,因为浮点数据本身就不准确)
from decimal import Decimal # 1.传入浮点数 5.55 a = Decimal(5.55) print(type(a)) print('a = ', a) print('\n') # 2.传入字符串 '5.55' b = Decimal('5.55') print(type(b)) print('b = ', b) print('\n') # 3.传入整形 '5' c = Decimal(5) print(type(c)) print('c=', c)
运行结果:
2、将浮点数据类型转为Decimal数据类型
from decimal import Decimal a = 22.222 print(type(a)) print('a=', a) print('\n') b = Decimal.from_float(a) print(type(b)) print('b = ', b)
运行结果:
3、Decimal数据类型设置有效数字的个数
代码1:
from decimal import Decimal, getcontext # 通过设定有效数字,限定结果样式 getcontext().prec = 4
x1 = Decimal(1) / Decimal(3) print('x1 = ', x1) x2 = Decimal(100) / Decimal(3) print('x2 = ', x2) x3 = Decimal(700000) / Decimal(9) print('x3 = ', x3)
运行结果:
代码2:
from decimal import * getcontext().prec = 6 c = Decimal(1) / Decimal(7) print(c) # 结果为Decimal('0.142857'),六个有效数字
4、Decimal数据类型四舍五入,保留小数位数
from decimal import Decimal # 保留两位小数 d = Decimal('50.5679').quantize(Decimal('0.00')) print('d = ', d) # 保留三位小数 e = Decimal('50.5679').quantize(Decimal('0.000')) print('e = ', e)
运行结果:
5、Decimal数据类型进行十进制数学计算
from decimal import Decimal # float数据类型的运算 f = 4.20 + 2.10 + 6.30 print('f=', f) print('\n') # Decimal数据类型的运算 i = Decimal('4.20') + Decimal('2.10') + Decimal('6.30') print('i = ', i)
运行结果:
注意:
# 当然精度提升的同时,肯定带来的是性能的损失。在对数据要求特别精确的场合(例如财务结算),这些性能的损失是值得的。
# 但是如果是大规模的科学计算,就需要考虑运行效率了。毕竟原生的float比Decimal对象肯定是要快很多的。
6、Decimal数据类型转为str数据类型
from decimal import * a = Decimal('3.40').quantize(Decimal('0.0')) print(a) print(type(a)) print('\n') b = str(Decimal('3.40').quantize(Decimal('0.0'))) print(b) print(type(b))
运行结果:
示例
python3中的decimal模块处理计算精度问题示例
代码如下:
#!/usr/bin/python3 # coding:utf-8 import decimal from decimal import Decimal, getcontext def demo(): """ 取整问题: ROUND_CEILING 总是趋向无穷大向上取整 ROUND_DOWN 总是趋向0取整 ROUND_FLOOR 总是趋向负无穷大向下取整 ROUND_HALF_DOWN 如果最后一个有效数字大于或等于5则朝0反方向取整;否则,趋向0取整 ROUND_HALF_EVEN 类似于ROUND_HALF_DOWN,不过,如果最后一个有效数字值为5,则会检查前一位。 偶数值会导致结果向下取整,奇数值导致结果向上取整 ROUND_HALF_UP 类似于ROUND_HALF_DOWN,不过如果最后一位有效数字为5,值会朝0的反方向取整 ROUND_UP 朝0的反方向取整 ROUND_05UP 如果最后一位是0或5,则朝0的反方向取整;否则向0取整 """ # 1.常规计算 getcontext().prec = 9 r1 = Decimal(1) / Decimal(3) print("r1 ", r1) # r1: 0.333333333 # 2.但是getcontext().prec会包含小数点前面的所有长度,当前面长度有变化时并不能固定控制小数点后的位数 r2 = Decimal(10) / Decimal(3) print("r2 ", r2) # r2: 3.33333333 # 3.想要固定控制小数点后面的位数则需要使用decimal.quantize(Decimal('0.00000000')),注意不能超过getcontext().prec的位数 r3 = Decimal(1) / Decimal(3) print("r3 ", r3.quantize(Decimal('0.00000000'))) # r3: 0.33333333 r4 = Decimal(10) / Decimal(3) print("r4 ", r4.quantize(Decimal('0.00000000'))) # r4: 3.33333333 r5 = Decimal(10) / Decimal(str(1.5)) print("r5 ", r5.quantize(Decimal('0.00000000'))) # r5: 6.66666667 # 4.向上取整 getcontext().rounding = getattr(decimal, 'ROUND_CEILING') # 总是趋向无穷大向上取整 r6 = Decimal(10) / Decimal(str(1.5)) # r6: 6.66666667 print("r6 ", r6.quantize(Decimal('0.00000000'))) r7 = Decimal(10) / Decimal(3) # r7: 3.33333334 print("r7 ", r7.quantize(Decimal('0.00000000'))) # 5.向下取整 getcontext().rounding = getattr(decimal, 'ROUND_FLOOR') # 总是趋向无穷大向下取整 r8 = Decimal(10) / Decimal(str(1.5)) # r8: 6.66666666 print("r8 ", r8.quantize(Decimal('0.00000000'))) r9 = Decimal(10) / Decimal(3) # r9: 3.33333333 print("r9 ", r9.quantize(Decimal('0.00000000'))) if __name__ == '__main__': demo()
运行结果:
去期待陌生,去拥抱惊喜。