Question

我有一个随着循环的每次迭代而增长的数组：

for i in range(100):
    frac[i] = some fraction between 0 and 1 with many decimal places

一切正常。当我检查类型（frac [i]）时，我被告知它是'numpy.float64'。

为了使我的代码尽可能精确，我需要使用十进制模块并将每个 frac [i] 更改为十进制类型。

我更新了我的代码：

for i in range(100):
    frac[i] = some fraction between 0 and 1 with many decimal places

    frac[i] = decimal.Decimal(frac[i])

但是当我检查类型时，我仍然被告知 frac [i] 是'numpy.float64'。

之前我已经成功地将其他变量改为十进制，所以我想知道你是否可以告诉我为什么这似乎不起作用。

谢谢。

Answer 1

根据分数的来源，您可能会发现使用fractions模块非常理想。文档中的一些示例：

>>> from fractions import Fraction
>>> Fraction(16, -10)
Fraction(-8, 5)
>>> Fraction(123)
Fraction(123, 1)
>>> Fraction()
Fraction(0, 1)
>>> Fraction('3/7')
Fraction(3, 7)
>>> Fraction(' -3/7 ')
Fraction(-3, 7)
>>> Fraction('1.414213 \t\n')
Fraction(1414213, 1000000)
>>> Fraction('-.125')
Fraction(-1, 8)
>>> Fraction('7e-6')
Fraction(7, 1000000)
>>> Fraction(2.25)
Fraction(9, 4)
>>> Fraction(1.1)
Fraction(2476979795053773, 2251799813685248)
>>> from decimal import Decimal
>>> Fraction(Decimal('1.1'))
Fraction(11, 10)

您还可以执行所有常规算术运算;如果结果不能表示为分数，则将其转换为float：

>>> Fraction(3, 4) + Fraction(1, 16)
Fraction(13, 16)
>>> Fraction(3, 4) * Fraction(1, 16)
Fraction(3, 64)
>>> Fraction(3, 4) ** Fraction(1, 16)
0.982180548555

Answer 2

注意：我根本没有使用numpy，所以接下来的内容大多只是一个有根据的猜测。

听起来您正在使用类型float64的类型化数组。类型化数组是numpy的一个特殊功能 - Python本身的数组元素（实际列表）可以在不同类型之间动态更改，并且不需要Python列表的所有元素具有相同的类型。

使用float64 - 类型数组，您的值将被转换为浮点数，因为它们被分配到数组元素，撤消您之前对它们所做的任何类型转换那一点。

numpy数组创建的documentation提到默认数组类型为float64。您可能需要将其更改为Decimal。

将关键字参数dtype=Decimal添加到np.arange的调用中应该这样做。然后，您应该有一个Decimal类型的数组，并且您指定的任何float或float64值都应该转换为Decimal。我不太了解你正在做什么，或者关于numpy，知道用一个numpy数组做这件事是否明智。

Answer 3

我刚和Numpy一起玩Decimals。

我发现Numpy提供了一个名为np.vectorize的函数，它允许你获取一个函数并将其应用于numpy数组。在[23]中：

import numpy as np

import decimal

D = decimal.Decimal

我们将创建一个常规的np float数组

在[24]中：

f10 = np.random.ranf(10)

f10

缺货[24]：

array([ 0.45410583,  0.35353919,  0.5976785 ,  0.12030978,  0.00976334,
        0.47035594,  0.76010096,  0.09229687,  0.24842551,  0.30564141])

尝试使用np.asarray将数组转换为Decimal类型不起作用。似乎尝试使用np.asarray并指定decimal.Decimal类型将数组设置为对象，这是预期的但如果您实际访问数组的单个元素，它仍然具有float数据类型。在[25]中：

f10todec = np.asarray(f10, dtype = decimal.Decimal)

print f10todec.dtype, f10todec

print type(f10todec[0])

object [0.454105831376884 0.3535391906233327 0.5976785016396975 0.1203097778312584
 0.009763339031407026 0.47035593879363524 0.7601009625324361
 0.09229687387940333 0.24842550566826282 0.30564141425653435]
<type 'float'>

如果你给np.array一个同化的Decimal类型的python列表，那么它似乎保留了这个类型，继续下面的列表理解，得到第一个数组中的值列表为Decimal数据类型。所以我必须以这种方式制作十进制数组。

在[26]中：

D10 = np.array([D(d) for d in f10])

D10

缺货[26]：

array([Decimal('0.4541058313768839838076019077561795711517333984375'),
       Decimal('0.35353919062333272194109667907468974590301513671875'),
       Decimal('0.597678501639697490332991947070695459842681884765625'),
       Decimal('0.12030977783125840208100498784915544092655181884765625'),
       Decimal('0.00976333903140702563661079693702049553394317626953125'),
       Decimal('0.47035593879363524205672320022131316363811492919921875'),
       Decimal('0.76010096253243608632743644193396903574466705322265625'),
       Decimal('0.09229687387940332943259136300184763967990875244140625'),
       Decimal('0.24842550566826282487653543284977786242961883544921875'),
       Decimal('0.30564141425653434946951847450691275298595428466796875')], dtype=object)

基本数学运算似乎运作正常

在[27]中：

D10/2

缺货[27]：

array([Decimal('0.2270529156884419919038009539'),
       Decimal('0.1767695953116663609705483395'),
       Decimal('0.2988392508198487451664959735'),
       Decimal('0.06015488891562920104050249392'),
       Decimal('0.004881669515703512818305398469'),
       Decimal('0.2351779693968176210283616001'),
       Decimal('0.3800504812662180431637182210'),
       Decimal('0.04614843693970166471629568150'),
       Decimal('0.1242127528341314124382677164'),
       Decimal('0.1528207071282671747347592373')], dtype=object)

在[28]中：

np.sqrt(D10)

缺货[28]：

array([Decimal('0.6738737503248542354573624759'),
       Decimal('0.5945916166776426405934196108'),
       Decimal('0.7730966961769384578392278689'),
       Decimal('0.3468569991095154505863255680'),
       Decimal('0.09880961001545864636229121433'),
       Decimal('0.6858250059553349663476168402'),
       Decimal('0.8718376927688066448819998853'),
       Decimal('0.3038040057000620415496242404'),
       Decimal('0.4984230187985531079935481296'),
       Decimal('0.5528484550548498633920483390')], dtype=object)

直到你尝试一个trig函数，在十进制模块中没有相应的函数在[29]中：

np.sin(D10)
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)

<ipython-input-29-31ba62da35b8> in <module>()
----> 1 np.sin(D10)

AttributeError: 'Decimal' object has no attribute 'sin'

所以让我们使用np.vectorize，这样我们就可以使用decimal的量化函数来进行舍入。

In [30]:

    npquantize = np.vectorize(decimal.Decimal.quantize)

    qnt_D10 = npquantize(D10, D('.000001'))

    qnt_D10

Out[30]:

    array([Decimal('0.454106'), Decimal('0.353539'), Decimal('0.597679'),
           Decimal('0.120310'), Decimal('0.009763'), Decimal('0.470356'),
           Decimal('0.760101'), Decimal('0.092297'), Decimal('0.248426'),
           Decimal('0.305641')], dtype=object)

你还需要注意一些常规的python数学函数，因为它们会自动将返回类型更改为float。我认为这是因为无法根据SIN或COS等函数准确计算出数字。

所以我想简短的回答是使用列表解析来获取numpy数组中的项并将其转换为python列表，然后从Decimal列表中创建该数组。

要返回类型完整的numpy数组，我猜你可以使用vectorize函数来包装任何与Decimal类型一起使用的函数，以便应用于np数组。

另一方面，pip中有一个模块，它提供带有IEEE Decimals https://pypi.python.org/pypi/decimalpy/0.1的numpy样式数组

Answer 4

尝试使用decimal.Decimal.from_float（frac [i]）

在Python中将float转换为decimal类型

4 个答案: