1. decimal定点数和浮点数的数学运算
decimal模块实现了定点和浮点算术运算,使用的是大多数人所熟悉的模型,而不是程序员熟悉的模式(即大多数计算机硬件实现的IEEE浮点数运算)。Decimal实例可以准确的表示如何数,对其上火其下取整,还可以限制有效数字的个数。
1.1 Decimal
小数值被表示为Decimal类的实例。构造函数取一个整数或字符串作为参数。在使用浮点数创建Decimal之前,可以先将浮点数转换为一个字符串,以使调用者能够显式的处理值的位数,因为如果使用硬件浮点数表示则可能无法准确的表述。或者,类方法from_float()可以把浮点数转换为精确的小数表示。
importdecimal
fmt= '{0:<25} {1:<25}'
print(fmt.format('Input', 'Output'))print(fmt.format('-' * 25, '-' * 25))#Integer
print(fmt.format(5, decimal.Decimal(5)))#String
print(fmt.format('3.14', decimal.Decimal('3.14')))#Float
f = 0.1
print(fmt.format(repr(f), decimal.Decimal(str(f))))print('{:<0.23g} {:<25}'.format(
f,
str(decimal.Decimal.from_float(f))[:25])
)
浮点值0.1并没有被表示为一个精确的二进制值,所以float的表示与Decimal值不同。在这个输出的最后一行,完整的字符串表示被截断为25个字符。
Decimal还可以由元组创建,其中包含一个符号标志(0表示正,1表示负)、由数位组成的一个tuple以及一个整数指数。
importdecimal#Tuple
t = (1, (1, 1), -2)print('Input :', t)print('Decimal:', decimal.Decimal(t))
基于元组的表示在创建时不太方便,不过它提供了一种可移植的方式,这样可以导出小数值而不损失精度。元组形式可以通过网络传输,或者在不支持精确小数值的数据库中存储,以后再转换回Decimal实例。
1.2 格式化
Decimal对应Python的字符串格式化协议,使用与其他数值类型一样的语法和选项。
importdecimal
d= decimal.Decimal(1.1)print('Precision:')print('{:.1}'.format(d))print('{:.2}'.format(d))print('{:.3}'.format(d))print('{:.18}'.format(d))print('\nWidth and precision combined:')print('{:5.1f} {:5.1g}'.format(d, d))print('{:5.2f} {:5.2g}'.format(d, d))print('{:5.2f} {:5.2g}'.format(d, d))print('\nZero padding:')print('{:05.1}'.format(d))print('{:05.2}'.format(d))print('{:05.3}'.format(d))
格式字符串可以控制输出的宽度,精度(即有效数字个数),以及其填充值以占满宽度的方式。
1.3 算术运算
Decimal重载了简单的算术操作符,所以可以采用与内置数值类型相同的方式来处理Decimal实例。
importdecimal
a= decimal.Decimal('5.1')
b= decimal.Decimal('3.14')
c= 4d= 3.14
print('a =', repr(a))print('b =', repr(b))print('c =', repr(c))print('d =', repr(d))print()print('a + b =', a +b)print('a - b =', a -b)print('a * b =', a *b)print('a / b =', a /b)print()print('a + c =', a +c)print('a - c =', a -c)print('a * c =', a *c)print('a / c =', a /c)print()print('a + d =', end=' ')try:print(a +d)exceptTypeError as e:print(e)
Decimal操作符还接受整数参数,不过,在这些操作符使用浮点值之前必须把浮点值转换为Decimal实例。
除了基本算术运算,Decimal还包括一些方法来查找以10为底的对数和自然对数。log10()和ln()返回的值都是Decimal实例,所以可以与其他值一样在公式中直接使用。
1.4 特殊值
除了期望的数字值,Decimal还可以表示很多特殊值,包括正负无穷大值、“不是一个数”(NaN)和0。
importdecimalfor value in ['Infinity', 'NaN', '0']:print(decimal.Decimal(value), decimal.Decimal('-' +value))print()#Math with infinity
print('Infinity + 1:', (decimal.Decimal('Infinity') + 1))print('-Infinity + 1:', (decimal.Decimal('-Infinity') + 1))#Print comparing NaN
print(decimal.Decimal('NaN') == decimal.Decimal('Infinity'))print(decimal.Decimal('NaN') != decimal.Decimal(1))
与无穷大值相加会返回另一个无穷大值。与NaN比较相等性总会返回false,而比较不等性总会返回true。与NaN比较大小来确定排序顺序是未定义的,这会导致一个错误。
1.5 上下文
到目前为止,前面的所有例子使用的都是decimal模块的默认行为。还可以使用一个上下文(context)来覆盖某些设置,如保持的精度、如何完成取整、错误处理等。上下文可以应用于一个线程中的所有Decimal实例,或者在一个小代码区中本地应用。
1.5.1 当前上下文
要获取当前全局上下文,可以使用getcontext()。
importdecimal
context=decimal.getcontext()print('Emax =', context.Emax)print('Emin =', context.Emin)print('capitals =', context.capitals)print('prec =', context.prec)print('rounding =', context.rounding)print('flags =')for f, v incontext.flags.items():print('{}: {}'.format(f, v))print('traps =')for t, v incontext.traps.items():print('{}: {}'.format(t, v))
这个示例脚本显示了Context的公共属性。
1.5.2 精度
上下文的prec属性控制了作为算术运算结果创建的新值所要保持的精度。字面量值会按这个属性保持精度。
importdecimal
d= decimal.Decimal('0.123456')for i in range(1, 5):
decimal.getcontext().prec=iprint(i, ':', d, d * 1)
要改变精度,可以直接为这个属性赋一个1到decimal.MAX_PREC之间的新值。
1.5.3 取整
取整有多种选择,以保证值在所需的精度范围内。
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大于5则朝0反方向取整;负责,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,则值会朝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。
importdecimal
context=decimal.getcontext()
ROUNDING_MODES=['ROUND_CEILING','ROUND_DOWN','ROUND_FLOOR','ROUND_HALF_DOWN','ROUND_HALF_EVEN','ROUND_HALF_UP','ROUND_UP','ROUND_05UP',
]
header_fmt= '{:10}' + ' '.join(['{:^8}'] * 6)print(header_fmt.format(' ','1/8 (1)', '-1/8 (1)','1/8 (2)', '-1/8 (2)','1/8 (3)', '-1/8 (3)',
))for rounding_mode inROUNDING_MODES:print('{0:10}'.format(rounding_mode.partition('_')[-1]),
end=' ')for precision in [1, 2, 3]:
context.prec=precision
context.rounding=getattr(decimal, rounding_mode)
value= decimal.Decimal(1) / decimal.Decimal(8)print('{0:^8}'.format(value), end=' ')
value= decimal.Decimal(-1) / decimal.Decimal(8)print('{0:^8}'.format(value), end=' ')print()
这个程序显示了使用不同算法将同一个值取整为不同精度的效果。
1.5.4 本地上下文
可以使用with语句对一个代码块应用上下文。
importdecimal
with decimal.localcontext() as c:
c.prec= 2
print('Local precision:', c.prec)print('3.14 / 3 =', (decimal.Decimal('3.14') / 3))print()print('Default precision:', decimal.getcontext().prec)print('3.14 / 3 =', (decimal.Decimal('3.14') / 3))
Context支持with使用的上下文管理器API,所以这个设置只在块内应用。
1.5.5 各实例的上下文
还可以用上下文构造Decimal实例,然后从这个上下文继承精度以及转换的取整参数。
importdecimal#Set up a context with limited precision
c =decimal.getcontext().copy()
c.prec= 3
#Create our constant
pi = c.create_decimal('3.1415')#The constant value is rounded off
print('PI :', pi)#The result of using the constant uses the global context
print('RESULT:', decimal.Decimal('2.01') * pi)
例如,这样一来,应用就可以选择与用户数据精度不同的常用值精度。
1.5.6 线程
“全局”上下文实例上是线程本地上下文,所以完全可以使用不同的值分别配置各个线程。
importdecimalimportthreadingfrom queue importPriorityQueueclassMultiplier(threading.Thread):def __init__(self, a, b, prec, q):
self.a=a
self.b=b
self.prec=prec
self.q=q
threading.Thread.__init__(self)defrun(self):
c=decimal.getcontext().copy()
c.prec=self.prec
decimal.setcontext(c)
self.q.put((self.prec, a*b))
a= decimal.Decimal('3.14')
b= decimal.Decimal('1.234')#A PriorityQueue will return values sorted by precision,#no matter what order the threads finish.
q =PriorityQueue()
threads= [Multiplier(a, b, i, q) for i in range(1, 6)]for t inthreads:
t.start()for t inthreads:
t.join()for i in range(5):
prec, value=q.get()print('{} {}'.format(prec, value))
这个例子使用指定的值来创建一个新的上下文,然后安装到每个线程中。