python中decimal模块的用法

目录

• 1. Decimal类型的优点
• 2. decimal模块的构成
• 3. context
• 4. Signals
• 5. Round类型

查看python3.4.1文档，发现对于decimal模块的讲解非常多，由此可见其功能也很强大（下面算是把我认为比较重要的半翻译半学习吧~）。文档关于decimal模块的总解释是Decimal fixed point and floating point arithmetic，我理解的是固定小数点和浮点运算。头加上from decimal import * 即可调用decimal模块中的内容。

1. Decimal类型的优点

Decimal类型是在浮点类型的基础上设计的，但是它在几个地方上要优于floating point：

1）Decimal类型可以非常精确地在计算机中存储，而学过c++的都知道，浮点型在计算机中是无法精确存储的，比如1.1和2.2在计算机中存储后，运算（1.1+2.2）表达式的值结果会是3.3000000000000003；Decimal类型则不会出现这种情况。同样，由于无法精确存储，浮点型也就无法精确计算（相对于Decimal类型），可以再测试（0.1+0.1+0.1-0.3）两种类型的计算结果。

2）Decimal类型会自动保留小数点后面不需要的0，以与输入的精度相匹配，比如下面小程序中的例子：浮点型的1.20+1.30结果是2.5；而Decimal类型结果是2.50，这样貌似比较人性化。

3）Decimal类型可以根据需要自己设置小数点后精度。通过getcontext().prec = x （x为你想要的精度来设置，getcontext()函数下面再详细介绍）。

4）Decimal类型有很强的管理功能，它能够根据需要设置，来控制输出的格式，得到或者忽略某类错误（如除0，可以设置忽略它，而得到一个Infinity的Decimal值）。

#difference between float and decimal
print(1.1+2.2)                    #3.3000000000000003
print (Decimal('1.1')+Decimal('2.2'))  #3.3

print (0.1+0.1+0.1-0.3)    #5.551115123125783e-17
print (Decimal('0.1')+Decimal('0.1')+Decimal('0.1')-Decimal('0.3')) # 0.0

print (1.20+1.30)                         #2.5
print (Decimal('1.20')+Decimal('1.30'))   #2.50

需要注意的是，Decimal()的构造中如果是小数或字符的话，需要加上单引号；如果为整数，则不需要。

2. decimal模块的构成

文档说，decimal模块主要由三部分构成：the decimal number ，the context of arithmetic ，signals 。

1）decimal number是不可改变的常量，它也不会截取小数点后多余的0；除了正常的数外， 它还包括'Infinity'，'-Infinity'，'NaN'等数。

2）the context of arithmetic是当前计算环境的一些参数，包括精度位数prec，舍弃位数规则rounding，指数的最大值最小值Emin、Emax，科学计数法e的大小写Capitals，指数是否超出范围clamped，运算结果的标志flags，哪些操作要触发traps等。

3）signals是在运算过程中产生的一些状态，这些状态可以根据需要用来提示、忽略、报错等。
signals和flags、traps是对应的，假设运算过程中产生了除0这样一个状态，那么flags中就会产生一个DivisionByZero为1这样的信息，接着如果在traps中包含这个操作，那么python就会报个异常出来。这样一个处理机制，可以人为的设置自己需要的信息或异常提示，而把另外一些忽略。

3. context

可以用getcontext()函数得到当前运算环境的参数，直接打印 print (get context())，以我的为例子

Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999999, Emax=999999999, capitals=1, clamp=0, flags=[], traps=[InvalidOperation, Overflow, DivisionByZero])
其中，prec精度为28，是默认值，可以通过getcontext().prec = 10这样来设置自己想要的精度；rounding的规则是ROUND_HALF_EVEN （具体下面介绍），此外还有其他一些规则，感兴趣的可以查阅文档或自己测试；traps数组表明当前如果出现这三种状态会报异常。当然，其中的参数都可以自己修改。

值得一提的是，精度值的修改只在运算中才会体现出来，比如精度是5，输入Decimal(’1.222222222‘)，输出仍然是这个数；但是Decimal('1.222222222') + Decimal('1.11111111') 的结果精度就为6了。

除了可以通过getcontext().prec这样来修改context的参数，还可以使用setcontext()来一次性设置context。如下：

mycontext = Context(prec=18, rounding=ROUND_HALF_DOWN)
setcontext(mycontext)

这里再学习一个比较有用的函数quantize()，当我们希望在运算过程中保持较高的精度，而在结果中以某种方式保留几位小数时可以用这个函数，下面是官网文档的示例：

Decimal('7.325').quantize(Decimal('.01'), rounding=ROUND_DOWN)
Decimal('7.32')  #result
Decimal('7.325').quantize(Decimal('1.'), rounding=ROUND_UP)
Decimal('8')     #result

4. Signals

decimal模块中提供了10种signals，下面简单介绍一下：

1）Clamped：越界，指数超出Emin或Emax范围；如果发生，则会在小数部分添加0来表示；

2）DecimalException；

3）DivisionByZero：在除法运算中出现，除数为0；如果不捕捉该错误，则返回Infinity或-Infinity；

4）Inexact：不精确，使用round函数舍弃的小数部分中包含除0以外的数字；

5）InvalidOperation：无效计算或计算无意义，比如两个无穷大相减等；如果不捕捉该错误，则返回NaN（Not a Number）；

6）Overflow：在round后指数超出Emax范围，如果不捕捉，则根据round规则来判断返回什么值；

7）Rounded：如果round操作舍弃了小数，不管是不是0，都发生；如果不捕捉，则返回 值未改变；

8）Subnormal：指数值过小；如果不捕捉，则返回  值不变；

9）Underflow：指数值太小，且round操作向0逼近；

10）FloatOperation：如果不捕捉，则混合float型和Decimal型的操作可以执行；如果捕捉，则只有相等判断和显式转换可以执行，其余的都报错。

5. Round类型

Decimal中大致有以下几种类型，做简单介绍一下，如有错误，希望指正：

1）ROUND_UP：舍弃小数部分非0时，在前面增加数字，如 5.21 -> 5.3；

2）ROUND_DOWN：舍弃小数部分，从不在前面数字做增加操作，如5.21->5.2；

3）ROUND_CEILING：如果Decimal为正，则做ROUND_UP操作；如果Decimal为负，则做ROUND_DOWN操作；

4）ROUND_FLOOR：如果Decimal为负，则做ROUND_UP操作；如果Decimal为正，则做ROUND_DOWN操作；

5）ROUND_HALF_DOWN：如果舍弃部分>.5，则做ROUND_UP操作；否则，做ROUND_DOWN操作；

6）ROUND_HALF_UP：如果舍弃部分>=.5，则做ROUND_UP操作；否则，做ROUND_DOWN操作；

7）ROUND_HALF_EVEN：如果舍弃部分左边的数字是奇数，则做ROUND_HALF_UP操作；若为偶数，则做ROUND_HALF_DOWN操作；

#test Round rules

#ROUND_UP & ROUND_DOWN
print (Decimal('8.532').quantize(Decimal('0.01'), rounding=ROUND_UP))  #8.54
print (Decimal('-8.532').quantize(Decimal('0.01'), rounding=ROUND_UP)) #-8.54
print (Decimal('8.530').quantize(Decimal('0.01'), rounding=ROUND_UP))  #8.53

print (Decimal('8.532').quantize(Decimal('0.01'), rounding=ROUND_DOWN))  #8.53
print (Decimal('-8.532').quantize(Decimal('0.01'), rounding=ROUND_DOWN)) #8.53

#ROUND_CEILING & ROUND_FLOOR
print (Decimal('8.532').quantize(Decimal('0.01'), rounding=ROUND_CEILING)) #8.54
print (Decimal('-8.532').quantize(Decimal('0.01'), rounding=ROUND_CEILING))#-8.53

print (Decimal('8.532').quantize(Decimal('0.01'), rounding=ROUND_FLOOR)) #8.53
print (Decimal('-8.532').quantize(Decimal('0.01'), rounding=ROUND_FLOOR)) #-8.54

#ROUND_HALF_
print (Decimal('8.535').quantize(Decimal('0.01'), rounding=ROUND_HALF_UP)) #8.54
print (Decimal('8.534').quantize(Decimal('0.01'), rounding=ROUND_HALF_UP)) #8.53

print (Decimal('8.535').quantize(Decimal('0.01'), rounding=ROUND_HALF_DOWN)) #8.53
print (Decimal('8.534').quantize(Decimal('0.01'), rounding=ROUND_HALF_DOWN)) #8.53
print (Decimal('8.536').quantize(Decimal('0.01'), rounding=ROUND_HALF_DOWN)) #8.54

print (Decimal('8.535').quantize(Decimal('0.01'), rounding=ROUND_HALF_EVEN)) #8.54
print (Decimal('8.545').quantize(Decimal('0.01'), rounding=ROUND_HALF_EVEN)) #8.54

decimal模块先简单了解到这里，还有许多函数，后面如果用到，再查阅文档。

到此这篇关于python中decimal模块的用法的文章就介绍到这了,更多相关python decimal模块内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！