PyArrow Decimal128精度处理：乘法后类型转换报错求助

刚接触PyArrow，若有常识疏漏请见谅。

正在更新项目以优化货币计算，核心场景是货币金额乘以百分比（比如9.94 * 0.04）。此前用pandas v1.4.x将货币值存为float，因未统一舍入规则引发诸多问题——以上述例子为例，希望通过常规两位小数舍入得到0.40。

原本打算全面改用decimal.Decimal，后来发现PyArrow内置的decimal128与pandas兼容性更好，但现在遇到两个核心问题：

• 频繁触发异常：

  pyarrow.lib.ArrowInvalid: Rescaling Decimal128 value would cause data loss

• 精度变化不符合预期：比如某列 dtype 为pa.decimal128(12,2)，执行df['Pay Rate'] * decimal.Decimal('0.04')后，结果类型变为pa.decimal128(15,4)（推测是合并了两个运算对象的精度，逻辑合理但不符合需求）；若直接乘0.04，结果类型会变成double[pyarrow]。

我需要最终列类型为decimal128(12,2)，尝试执行df['my_col'] = df['my_col'].astype(pd.ArrowDtype(pa.decimal128(12,2)))时，有时会触发上述数据丢失异常。我理解这是因为直接截断小数位导致数据丢失，但实际需求是先四舍五入，再截断小数位。

是否有遗漏的参数或函数可以实现这一需求？

示例代码：

import pandas as pd
import pyarrow as pa
from decimal import Decimal

data = {'col1': {0: Decimal('39.60'), 1: Decimal('39.60'), 2: Decimal('21.60'), 3: Decimal('7.20'), 4: Decimal('18.00'), 5: Decimal('18.00'), 6: Decimal('72.00'), 7: Decimal('30.60'), 8: Decimal('36.00'), 9: Decimal('41.40')}, 'col2': {0: Decimal('0.98'), 1: Decimal('1.00'), 2: Decimal('0.97'), 3: Decimal('0.46'), 4: Decimal('0.52'), 5: Decimal('1.00'), 6: Decimal('1.00'), 7: Decimal('1.00'), 8: Decimal('1.00'), 9: Decimal('1.00')}}
df = pd.DataFrame(data,dtype=pd.ArrowDtype(pa.decimal128(12, 2)))
df['col3'] = df['col1'] * df['col2']
# df['col3'] 的 dtype 为 decimal128(25,4)
df['col3'].astype(pd.ArrowDtype(pa.decimal128(12, 2)))
# 触发异常

内容的提问来源于stack exchange，提问作者scotscotmcc