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
这一切都很好。当我检查type(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'。
我之前已经设法以这种方式将其他变量更改为十进制，所以我想知道您是否可以告诉我为什么这似乎不起作用。
谢谢你。
注意：我根本没有使用numpy过，所以接下来的内容主要只是一个有根据的猜测。
听起来您正在使用 type 的类型化数组float64。类型化数组是一个特殊的特性numpy——Python 本身中的数组元素（实际上是列表）可以在类型之间动态变化，并且 Python 列表中的所有元素不需要具有相同的类型。
使用float64-type 数组，您的值将被转换为浮点数，因为它们被分配给数组元素，从而撤消您在此之前对它们所做的任何类型转换。
numpy 数组创建的文档提到默认数组类型是float64. 您可能需要将其更改为Decimal.
将关键字参数添加dtype=Decimal到调用np.arange应该这样做。然后，您应该有一个 type 数组Decimal，并且您分配给它的任何一个float或多个float64值都应该转换为 Decimal。我对你在做什么，或者对 numpy 的了解不够，不知道用 numpy 数组做这件事是否明智。
我只是在用 Numpy 玩小数。
我发现 Numpy 提供了一个名为 np.vectorize 的函数，它允许您获取一个函数并将其应用于一个 numpy 数组。在[23]中：
import numpy as np
import decimal
D = decimal.Decimal
</p>
我们将创建一个常规的 np 浮点数组
在[24]中：
f10 = np.random.ranf(10)
f10
出[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 类型将数组设置为预期的对象，但如果您实际访问数组的单个元素，它仍然具有浮点数据类型。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 一个同质的十进制类型 python 列表，那么它似乎保留了类型，因此下面的列表理解将第一个数组中的值列表作为十进制数据类型。所以我不得不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
出[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)
基本的数学运算似乎工作正常
在[27]中：
D10/2
出[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)
出[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)
直到您尝试在 [29] 中的十进制模块中没有相应函数的三角函数：
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 以便我们可以使用小数的量化函数进行舍入。
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)
您还需要小心一些常规的 Python 数学函数，因为它们会自动将返回类型更改为浮点数。我认为这是因为无法根据 SIN 或 COS 等函数准确计算数字。
所以我想简短的答案是使用列表推导来获取numpy数组中的项目并将其转换为python列表，然后从小数列表中创建该数组。
要返回类型完整的 numpy 数组，我想您可以使用 vectorize 函数来包装任何适用于 Decimal 类型的函数以应用于 np 数组。
附带说明一下，pip 中有一个模块，它提供带有 IEEE 小数的 numpy 样式数组https://pypi.python.org/pypi/decimalpy/0.1
根据分数的来源，您可能会发现使用分数模块是理想的。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，则将其转换为浮点数：
>>> 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
尝试做 decimal.Decimal.from_float(frac[i])