如何在Pandas中保留精度实现Decimal与Float相乘？

要在保留Decimal精度的前提下和float相乘，核心原则是不要把Decimal转成float，而是把float转成Decimal后再运算——全程用Decimal类型完成所有计算，就能彻底避免float的二进制精度损失。

针对你的场景，关键是把运算中所有的float常量（比如代码里的1、1.5）以及外部float变量都转为Decimal，避免混合类型运算导致Decimal被隐式转换为float。

修改后的完整代码 #

from decimal import getcontext, Decimal
import pandas as pd

# 先设置Decimal的计算精度，确保中间步骤有足够精度（按需调整）
getcontext().prec = 20

adjustment = ["0.235340860", "0.158615282", "0.117625053"]
ltrs = ["a", "b", "c"]
df = pd.DataFrame(zip(adjustment, ltrs), columns=["adj", "ltrs"])

# 转换为Decimal并固定小数位数
df['adj'] = df['adj'].apply(lambda x: Decimal(x).quantize(Decimal('1.000000000')))

# 将运算中用到的常量转为Decimal，避免隐式类型转换
ONE = Decimal('1')
ONE_POINT_FIVE = Decimal('1.5')

# 全程用Decimal完成运算，保证精度
df['factor'] = df['adj'] / (ONE - ONE_POINT_FIVE * df['adj'])
# 用quantize精确控制保留12位小数（比Python内置round更可控）
df['factor'] = df['factor'].apply(lambda x: x.quantize(Decimal('1.000000000000')))

关键注意事项 #

• 避免混合类型运算：所有参与计算的数值（包括常量、外部float变量）都要转为Decimal。比如外部有个float值float_val，不要直接写Decimal(float_val)，而是用Decimal(str(float_val))——直接转float会引入二进制浮点数的隐性误差，转字符串再转Decimal更符合预期。
• 设置计算精度：通过getcontext().prec调整Decimal的全局计算精度，确保中间运算过程不会丢失精度（数值越大，需要的prec越高）。
• 精确控制小数位数：用quantize()代替round()来固定小数位数，它可以指定精确的小数格式和舍入规则（默认是银行家舍入，即ROUND_HALF_EVEN）。

内容的提问来源于stack exchange，提问作者tonytone