考虑以下代码（Windows 10上MSYS2中MINGW64上的Python 3.8.0）：

import numpy as np
from decimal import Decimal

aa = [25744,25687,25641,25601,25566,25533,25505,25479,25456,25435]
npaa = np.array(aa)

print(np.mean(npaa))                            # 25564.7
print(0.001*np.mean(npaa))                      # 25.564700000000002

print( Decimal(np.mean(npaa)) )                 # 25564.70000000000072759576141834259033203125
print( Decimal(0.001)*Decimal(np.mean(npaa)) )  # 25.56470000000000125976798437

因此，上述整数列表的平均值首先打印为25564.7，这是我期望并希望获得的结果。

但是，当我将此数字乘以0.0001时，我得到一吨的小数，这可能是由于float（im）精度造成的。

所以，我想-哎呀，我要使用Decimal类，在这种情况下，我应该得到“正确的”小数位数。

但是，一旦我尝试Decimal(np.mean(npaa))，我就会得到一小数的平均值：25564.70000000000072759576141834259033203125

显然，np.mean(npaa)已经包含了这些小数-但由于某些原因，它们没有被打印。

这就是问题-因为列表中我所有的都是整数，并且列表中有10个整数，在数学上（在这种情况下）我不可能得到任何其他结果，只有一个小数点后一位的数字，和仅1个小数。

现在，我可以通过将均值打印为字符串并将其格式设置为1个十进制形式（如"{:.1f}".format(np.mean(npaa))）来解决此问题，然后将该字符串用作十进制来源-并且可以正常工作；但是然后，我有其他长度不为10的数组，我希望最小的小数位数自动出现在变量中-无需我手动找出我应该期望的小数位数，然后格式化它们作为字符串。

因此，我可以尝试使用一个十进制数组（如链接文章所试图做的那样），这并不简单：

print( np.array(aa,dtype=Decimal) )          # [25744 25687 25641 25601 25566 25533 25505 25479 25456 25435]
print( np.array(aa).astype(Decimal) )         # [25744 25687 25641 25601 25566 25533 25505 25479 25456 25435]
print( np.array([Decimal(ax) for ax in aa]) ) # [Decimal('25744') Decimal('25687') Decimal('25641') Decimal('25601') Decimal('25566') Decimal('25533') Decimal('25505') Decimal('25479')  Decimal('25456') Decimal('25435')]

print( np.mean( np.array([Decimal(ax) for ax in aa]) ) )                # 25564.7
print( type(np.mean( np.array([Decimal(ax) for ax in aa]) )) )          # <class 'decimal.Decimal'>
print( Decimal(0.001)*np.mean( np.array([Decimal(ax) for ax in aa]) ) ) # 25.56470000000000053217222296

...，但是 even ，如果我现在有Decimal为25564.7，乘以Decimal为0.001（在Decimal域中） ！ -我 still 得到25.56470000000000053217222296！？

我该如何让Python将0.001 * 25564.7计算为25.5647，这就是应该的样子-无需“强制转换”，即将十进制/浮点值打印为字符串，并带有有限的小数位数？ Decimal类是否应该能够做到这一点？

编辑：所以，我也尝试了sum()/len()的方法，就像链接的文章一样-我最初以为是这样做的，但是没有：

print( sum(aa)/len(aa) )                # 25564.7
print( 0.001*sum(aa)/len(aa) )          # 25.5647
print( Decimal(0.001*sum(aa)/len(aa)) ) # 25.564699999999998425437297555617988109588623046875

print( sum(npaa)/len(npaa) )                 # 25564.7
print( 0.001*sum(npaa)/len(npaa) )           # 25.5647
print( Decimal(0.001*sum(npaa)/len(npaa)) )  # 25.564699999999998425437297555617988109588623046875

https://docs.python.org/2/tutorial/floatingpoint.html

  

顺便说一句，十进制模块还提供了一种很好的方式来“查看”存储在任何特定Python浮点数中的确切值

https://docs.python.org/2/library/decimal.html

  

小数可以精确表示。相反，像1.1和2.2这样的数字在二进制浮点数中没有确切的表示形式。最终用户通常不希望1.1 + 2.2像二进制浮点一样显示为3.3000000000000003。

因此，如果Decimal数字可以精确表示，为什么在这种情况下使用Decimal类时却得到相同的浮点不精确度？