El tipo de dato más habitual para trabajar con número en Python es float. Este tipo permite almacenar números reales positivos o negativos con precisión doble, el equivalente al tipo double de C u otros lenguajes. El tipo numérico float permite representar un número positivo o negativo con decimales, es decir, números reales. Para saber más: Los valores float son almacenados de una forma muy particular, denominada representación en coma flotante.
Conversión a float y su precisión
También podemos convertir otro tipo a float haciendo uso de float(). También se puede declarar usando la notación científica con e y el exponente. El siguiente ejemplo sería lo mismo que decir 1.93 multiplicado por diez elevado a -3.
Alguna curiosidad es que los float no tienen precisión infinita. Los float a diferencia de los int tienen unos valores mínimo y máximos que pueden representar. Desafortunadamente, los ordenadores no pueden representar cualquier número, y menos aún si este es uno irracional. Afortunadamente, salvo aplicaciones muy concretas esto no resulta un problema.
El problema de la precisión en cálculos importantes
Sin embargo, en situaciones es necesario contar con una mayor precisión, como en cálculos financieros donde los errores de redondeo pueden tener consecuencias significativas, el tipo float puede no ser suficiente. Siendo en estos casos donde entra en juego el módulo decimal de Python. En primer lugar, esta pregunta no es exclusiva de Python, sino de la computación y de cómo se ocupa de los números de punto flotante (nuestro querido float). Al realizar operaciones con valores float se pueden introducir errores de redondeo debido a la naturaleza binaria de la representación de los números. Acumulándose los errores en las operaciones, haciendo realmente difícil rastrear estos en cálculos complejos.
Como se trataba de dinero, la precisión en los cálculos era fundamental. Entonces, necesitábamos alguna solución. En Python, tenemos todo el módulo decimal y, más concretamente, el tipo Decimal. Dentro de la librería estándar de Python, el módulo decimal es una biblioteca que proporciona soporte para números decimales de alta precisión. Diseñada para superar las limitaciones del tipo float.
Lea también: IVA 21% Excel
Diferencias clave entre decimal y float
Las diferencias entre los tipos de datos decimal y float de Python proviene de la forma en la que se representan los datos. Mientras float usa una representación binaria, decimal usa una representación decimal. Por lo tanto, las principales diferencias entre estos dos tipos de datos son:
- float: El tipo float en Python se basa en el estándar IEEE 754 para aritmética de punto flotante. Esto significa que los números se representan en formato binario y la precisión es limitada.
- decimal: Los objetos Decimal del módulo decimal usan una representación decimal que es más intuitiva para las personas. Permiten especificar la precisión deseada y la estrategia de redondeo. Esto significa que se puede trabajar con números decimales con una precisión mucho mayor y sin errores de redondeo de los float.
Uso del módulo decimal de Python
Para usar el módulo decimal solamente se debe importar en el código. No es necesario instalar ningún módulo ya que este forma parte de de la librería estándar de Python.
En el ejemplo anterior, una vez importada la clase Decimal y la función getcontext se usa esta ultima para definir la presión global. Fijándose una precisión de 10 decimales. Un valor que se puede adaptar a las necesidades específicas de cada problema. Posteriormente se usa la clase Decimal para crear objetos decimal con los valores. Estos objetos se pueden utilizar igual que los números de tipo float en operaciones aritméticas, pero con precisión decimal controlada.
Casos de uso del módulo decimal
Existen múltiples casos en los que puede ser recomendable usar el módulo decimal en lugar de los valores float para realizar las operaciones. Algunos de estos casos de uso son:
- Cálculos financieros: El módulo decimal es ideal para cálculos que requieren una precisión exacta, como en aplicaciones de contabilidad y finanzas.
- Cálculos científicos: Donde la precisión es crítica, como en simulaciones numéricas o análisis de datos.
- Aplicaciones que exigen exactitud: En cualquier aplicación donde los errores de redondeo puedan afectar el resultado, el módulo decimal ofrece una solución más robusta.
Lea también: Guía IVA reducido
Lea también: ¿Cómo localizar tus XML del SAT?