目录
1.可以传递给Decimal整型或者字符串参数
2.要从浮点数据转换为Decimal类型
3.getcontext().prec设置有效数字的个数
4.四舍五入，保留几位小数
5.Decimal 结果转化为string
6.decimal模块进行十进制数学计算
7.python decimal.quantize()参数总结
1.可以传递给Decimal整型或者字符串参数
但不能是浮点数据，因为浮点数据本身就不准确。
# coding=utf-8 from decimal import Decimal, getcontext
# 1.可以传递给Decimal整型或者字符串参数，但不能是浮点数据，因为浮点数据本身就不准确。
# 传入浮点数 5.55 a = Decimal(5.55) print('a = ', a) a = a * 100 print('a = ', a)# 传入字符串 ‘5.55'b = Decimal('5.55')*100 print('b = ', b)
>>> a = 5.54999999999999982236431605997495353221893310546875>>> a = 554.9999999999999822364316060>>> b = 555.00
2.要从浮点数据转换为Decimal类型
# 2.要从浮点数据转换为Decimal类型c = Decimal.from_float(22.222) print('c = ', c)
>>> c = 22.22200000000000130739863379858434200286865234375
3.getcontext().prec设置有效数字的个数
# 3.getcontext().prec设置有效数字的个数。
# 通过设定有效数字，限定结果样式getcontext().prec = 4 x1 = Decimal(1) / Decimal(3) # 结果为Decimal('0.3333')，四个有效数字print('x1 = ', x1) x2 = Decimal(100) / Decimal(3) print('x2 = ', x2) x3 = Decimal(700000)/Decimal(9) print('x3 = ', x3)
>>> x1 = 0.3333>>> x2 = 33.33>>> x3 = 7.778E+4# 注意：# 如果prec的长度比数字的长度小的时候，*100得出的数就不对了num = '88.8888'f = Decimal(num) print('f = ', f) g = f * 100 print('g = ', g) h = Decimal('999.999') print('h = ', h)
>>> f = 88.8888>>> g = 8889>>> h = 999.999
4.四舍五入，保留几位小数
# 4.四舍五入，保留几位小数d = Decimal('50.5679').quantize(Decimal('0.00')) print('d = ', d) # 结果为Decimal('50.57')，结果四舍五入保留了两位小数
>>> d = 50.575.Decimal 结果转化为string# 5.Decimal 结果转化为string e = str(Decimal('3.40').quantize(Decimal('0.0'))) print('e = ', e)
>>> e = 3.4
6.decimal模块进行十进制数学计算
# 6.decimal模块进行十进制数学计算i = Decimal('4.20') + Decimal('2.10') + Decimal('6.30') print('i = ', i)
>>> i = 12.60# 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。
7.python decimal.quantize()参数rounding的各参数解释与行为ROUND_CEILING (towards Infinity),ROUND_DOWN (towards zero),ROUND_FLOOR (towards -Infinity),ROUND_HALF_DOWN (to nearest with ties going towards zero),ROUND_HALF_EVEN (to nearest with ties going to nearest even integer),ROUND_HALF_UP (to nearest with ties going away from zero), or ROUND_UP (away from zero).
ROUND_05UP (away from zero if last digit after rounding towards zero would have been 0 or 5; otherwise towards zero)x = Decimal('-3.1415926535') + Decimal('-2.7182818285') print x print x.quantize(Decimal('1.0000'), ROUND_HALF_EVEN) print x.quantize(Decimal('1.0000'), ROUND_HALF_DOWN) print x.quantize(Decimal('1.0000'), ROUND_CEILING) print x.quantize(Decimal('1.0000'), ROUND_FLOOR) print x.quantize(Decimal('1.0000'), ROUND_UP) print x.quantize(Decimal('1.0000'), ROUND_DOWN)
output:-5.8598744820-5.8599-5.8599-5.8598-5.8599-5.8599-5.8598
https://www.cnblogs.com/piperck/p/5843253.html https://blog.csdn.net/weixin_37989267/article/details/79473706ROUND_HALF_EVENT 和 ROUND_HALF_DOWN：EVENT是quansize的默认设置值，可以通过getcontext()得到，EVENT四舍五入进了一位，DOWN为接近最近的0进了一位。
ROUND_CEILING 和 ROUND_FLOOR：CEILING超过5没有进位是因为它倾向正无穷，FLOOR为了总是变得更小所以进了一位。
ROUND_UP 和 ROUND_DOWN：UP始终进位，DOWN始终不会进位。
总结其实这里我们通过上面一组例子可以发现，正数的行为非常可预期也非常简单，负数的情况稍复杂，有些函数就是设计为负数在某些情况中使用的。
正数中无法重现的ROUND_DOWN和ROUND_FLOOR的区别，ROUND_DOWN是无论后面是否大于5都不会管保持原状，而Floor在正数中的行为也是如此，但是在负数中为了倾向无穷小，所以无论是否大于5，他都会变得更小而进位。
反而ROUND_UP和ROUND_DOWN的行为是最可预期的，那就是无论后面数大小，UP就进位，DOWN就始终不进位。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
您可能感兴趣的文章:Python中decimal.Decimal类型和float类型的比较Python decimal模块的使用示例详解python中decimal模块的用法python中decimal模块的具体使用Python+decimal完成精度计算的示例详解python中关于decimal使用出现的一些问题