Question

如何提高python的计算精度?

Answer 1

1.round()内置方法

round()如果只有一个数作为参数，不指定位数的时候，返回的是一个整数，而且是最靠近的整数（这点上类似四舍五入）。但是当出现.5的时候，两边的距离都一样，round()取靠近的偶数，这就是为什么round(2.5) = 2。当指定取舍的小数点位数的时候，一般情况也是使用四舍五入的规则，但是碰到.5的这样情况，如果要取舍的位数前的小树是奇数，则直接舍弃，如果偶数这向上取舍。看下面的示例：  

>>> round(2.635, 2)2.63>>> round(2.645, 2)2.65>>> round(2.655, 2)2.65>>> round(2.665, 2)2.67>>> round(2.675, 2)2.67

2. 使用格式化（效果和round（）是一样的。）

>>> a = ("%.2f" % 2.635)>>> a'2.63'>>> a = ("%.2f" % 2.645)>>> a'2.65'>>> a = int(2.5)>>> a2

Answer 2

需要对浮点数执行精确的计算操作,并且不希望有任何小误差的出现.

浮点数的一个普遍问题是它们并不能精确的表示十进制数。并且，即使是最简单的
数学运算也会产生小的误差，比如：

123456

>>> a = 4.2>>> b = 2.1>>> a + b6.300000000000001>>> (a + b) == 6.3False

”False“是由于底层CPU和IEEE标准通过自己的浮点单位去执行算术导致的。Python的浮点数据类型使用底层表示存储数据，所以无法无法避免这样的误差。

如果想更加精确（代价是性能损耗），可以使用decimal模块

123456789

>>> from decimal import Decimal>>> a = Decimal('4.2')>>> b = Decimal('2.1')>>> a + bDecimal('6.3')>>> print(a + b)6.3>>> (a + b) == Decimal('6.3')True

上面真是乖乖的，用字符串表示数据。。。
然而Decimal对象支持所有的常用数学运算。

真实世界中很少会要求精确到普通浮点数能提供的17 位精度，执行大量运算的时候速度很重要。所以使用不要随便用decimal.
总的来说， decimal 模块主要用在涉及到金融的领域。在这类程序中，哪怕是一点
小小的误差在计算过程中蔓延都是不允许的。因此， decimal 模块为解决这类问题提
供了方法。当Python 和数据库打交道的时候也通常会遇到Decimal 对象，并且，通
常也是在处理金融数据的时候。

Answer 3

就一句话: 用Numpy.

原因如下：

1、从源头上讲，Numpy本身就是直接使用Lapack，和MATLAB 是一样的，可以参考这里：

Matlab和Python(Numpy,Scipy)与Lapack的关系

2、有一个特别详细的例子说明过：正确使用Numpy可以达到和Matlab一模一样的精度(测试实在是太长，就不一一粘贴了，直接看正文）

深度对比Python(Numpy，Scipy)与Matlab的数值精度