Python 将货币精确保存到存储库（十进制？）

在熊猫城，我经常与货币打交道。到目前为止，我一直在使用默认的浮点值，但是处理精度的缺乏是令人讨厌的，而且容易出错。我正在尝试切换到对某些片段使用

十进制

，这可能会使计算速度慢很多，但却是精确的。但是，当我尝试保存到熊猫商店（例如，通过pytables保存到hdf5store）时，我得到：

TypeError:无法序列化列[o]，因为其数据内容是[mixed]对象数据类型

以下是我尝试做的一个简短示例：

import pandas as pd
from decimal import Decimal
teststore = pd.HDFStore('teststore.h5')
df = pd.DataFrame(data={'o':[Decimal('5.1')]})
teststore['test'] = df

。。这引发了上述例外

df.convert\u对象（convert\u numeric=True）

没有帮助

是否有办法将十进制数保存到pandas商店，如果没有，是否有建议在pandas商店中精确存储货币的方法

---

我正在使用python 2.7.8、pandas 0.14.1和pytables 3.1.1。

适用于0.15.0。虽然它本质上是一个实际的python对象，所以使用HDF5几乎没有任何好处

In [46]: from decimal import Decimal

In [47]: teststore = pd.HDFStore('teststore.h5')

In [48]: df = pd.DataFrame(data={'o':[Decimal('5.1')]})

In [49]: teststore['test'] = df
pandas/io/pytables.py:2487: PerformanceWarning: 
your performance may suffer as PyTables will pickle object types that it cannot
map directly to c-types [inferred_type->mixed,key->block0_values] [items->['o']]

  warnings.warn(ws, PerformanceWarning)

仅供参考，通常float64的精度为14-16位，因此不确定为什么不使用它们（您可能需要更改显示打印精度才能看到）

---

非常酷，它在0.15.0和performance warning heeded.re np.float64 vs decimal中工作：我不需要这样的精度级别-通常最多需要降到0.0001。例如，如果我从0开始，加上1分（0.01）十次，得到10分（0.1），结果与直接指定0.1不同。最后，我不得不建立并使用一个小型的“软”比较器库等，以允许少量的错误，这是较慢的和麻烦的使用。关于这一点，在某处和其他地方有很多线程，推荐的解决方案通常是十进制的，尽管我还没有找到任何numpy/pandas特定的解决方案。

In [50]: In [34]: pd.set_option('precision',16)

In [51]: In [35]: s = Series([0.0000000000001,0.000000000000002])

In [52]: s+s
Out[52]: 
0    0.000000000000200
1    0.000000000000004
dtype: float64