Python 如何创建带小数的熊猫系列？

我在计算一些标准差，这些标准差会产生浮点误差。我想尝试将数据序列转换为十进制（使用），看看这是否解决了我的问题

我似乎无法生成一系列的

十进制

我如何将一个正常的

pd.Series

的

float64

转换成

pd.Series

的

decimal

，这样我就可以：

Series.pct_change().ewm(span=35, min_periods=35).std()

---

你喜欢这个工作吗

def column_round(decimals):
     return partial(Series.round, decimals=decimals)

df.apply(column_round(2))

或者，让我们使用

np.vectorize

，这样我们就可以使用

decimal.quantize

函数进行舍入，这将使变量保留为十进制，而不是

np.float64

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

我一直在研究它，这似乎解决了pct_变化的问题

ts.diff().div(ts.shift(1))

---

我认为您可以直接使用十进制类型创建数据帧，并使用值进行操作

import pandas as pd
import numpy as np
from decimal import *

df = pd.DataFrame({
    'DECIMAL_1': [Decimal('2342.2345234'), Decimal('564.5678'), Decimal('76867.8923892')],
    'DECIMAL_2': [Decimal('67867.43534534323'), Decimal('67876.345345'), Decimal('234234.2345345')]
})
df['DECIMAL_3'] = df['DECIMAL_1'] + df['DECIMAL_2']
df.dtypes

缺点可能是列

dtype

将成为

object

，我担心性能会降低。无论如何，我认为任何使用

十进制

的操作都需要比使用浮点操作更多的计算量

也许最好的解决方案是拥有数据帧的副本。一个DF带浮点数，另一个带小数点。如果需要进行快速操作，可以使用带浮点数的DF，如果需要以特定精度对某些单元格进行比较或分配新值，可以使用使用十进制创建的DF

告诉我你对我的建议有什么看法

---

注意：我用DataFrame做了一个示例，但是DataFrame是用Series构建的

如果我理解正确，它仍然使用浮点算法；我想强制执行十进制算法。您是否考虑过将序列转换为numpy数组，并在应用到decimal之前应用np.vectorize？