Python中Decimal高效格式化方法及性能优化开关排查

为消除浮点舍入误差，我将程序中的float类型替换为Decimal类型，虽预期会有一定性能下降，但仅格式化Decimal并打印日志就带来了远超预期的性能损耗。以下是通过cProfile得到的二者性能对比，想请教两个问题：

• Python中是否存在更高效的Decimal格式化方法？
• 怀疑本地设备上Decimal的某些优化未开启，该如何检查？

性能测试对比 #

float格式化测试 #

测试代码：

from cProfile import Profile

a_float = 1234567890.12345

def format_float(value: float) -> str:
    if value is None:
        return ''
    result = f"{value:+,.6f}"
    return result

def test_float():
    for i in range(1000000):
        b = format_float(a_float)

p = Profile()
p.runcall(test_float)
p.print_stats()

测试结果：1000002次函数调用，耗时0.839秒

Decimal格式化测试 #

测试代码：

from decimal import Decimal
from cProfile import Profile

a_decimal = Decimal('1234567890.12345')

def format_decimal(value: Decimal) -> str:
    if value is None:
        return ''
    result = f"{value:+,.6f}"
    return result

def test_decimal():
    for i in range(1000000):
        b = format_decimal(a_decimal)

p = Profile()
p.runcall(test_decimal)
p.print_stats()

测试结果：55000002次函数调用，耗时27.739秒

后续排查发现 #

评论区其他用户测试无此性能问题：

• float的调用栈简洁，末尾包含{method 'disable' of '_lsprof.Profiler' objects}，疑似存在底层优化
• 我的Decimal调用栈包含大量函数调用，但其他用户（如Suramuthu R）的Decimal测试调用栈与我的float测试类似，同样有上述优化相关行

推测本地设备上Decimal的某些优化未启用，请教如何检查和开启？

内容的提问来源于stack exchange，提问作者StarterKit