Python Decimal.fma 怎样减少乘加运算的中间舍入

如果表达式是 a * b + c，Decimal 会先得到乘法结果，再把这个结果与 c 相加；当当前 Context 精度不足时，乘法结果可能已经先被舍入。Decimal.fma(other, third) 的作用是把这两步合成一次乘加：保留 self * other 的未舍入中间值，最后再按当前 Context 处理结果。

官方文档：https://docs.python.org/3/library/decimal.html

因此，fma() 解决的是“中间乘积被提前舍入”的问题，不是让最终结果无限精确，也不是替代最后的 quantize() 展示规则。

先看普通乘加为什么会丢掉中间信息

下面把 Context 精度压到 5 位有效数字，故意让乘积保留不下全部数字。普通表达式和 fma() 的输入完全相同，差异只来自中间乘积是否先舍入。

from decimal import Decimal, localcontext

with localcontext() as ctx:
    ctx.prec = 5  # 中文说明：限制本段十进制运算的有效数字位数
    a = Decimal("1.2345")
    b = Decimal("1.2345")
    c = Decimal("-1.5239")

    normal = a * b + c  # 中文说明：乘积先按精度舍入，再与 c 相加
    fused = a.fma(b, c)  # 中文说明：乘积保持未舍入，最后统一按 Context 处理

    print(normal)
    print(fused)

这个例子中，a * b 的精确乘积是 1.52399025。普通写法会先把它压到当前精度，再做加法；fma() 则让 c 参与到同一次乘加里。两者最终结果可能明显不同，尤其是在乘积与 c 接近抵消时。

最小配方：直接调用 Decimal.fma

调用形式很简单：把乘法左操作数作为实例，把乘法右操作数传给 other，把加数传给 third。

from decimal import Decimal

principal = Decimal("1250.00")
rate = Decimal("0.0375")
adjustment = Decimal("-2.50")

# 中文说明：一次完成 principal × rate + adjustment，避免乘积先独立舍入
total = principal.fma(rate, adjustment)
print(total)

fma() 返回新的 Decimal，不会修改参与计算的三个对象。它的语义可以直接记成 self * other + third，但关键区别是中间的乘积不先按 Context 舍入。

Context 精度仍然决定最终边界

不要把“无中间舍入”理解成“没有舍入”。Decimal 运算仍受当前 Context 的 prec 和 rounding 影响，fma() 只是把舍入推迟到融合运算的结果边界。

from decimal import Decimal, localcontext, ROUND_HALF_EVEN

def fused_total(a_text, b_text, c_text, precision):
    # 中文说明：只在本次计算中设置精度，避免修改调用方的全局 Context
    with localcontext() as ctx:
        ctx.prec = precision
        ctx.rounding = ROUND_HALF_EVEN  # 中文说明：明确最终结果采用的舍入规则
        a = Decimal(a_text)
        b = Decimal(b_text)
        c = Decimal(c_text)
        return a.fma(b, c)

print(fused_total("1.2345", "1.2345", "-1.5239", 5))

生产代码里，建议把精度和舍入规则放在调用边界附近，并用 localcontext() 限制影响范围。这样读者能看出这段计算的数值契约，也不会让后续无关代码悄悄继承临时精度。

fma 与 quantize 不是一回事

fma() 解决的是乘加过程中的中间舍入；quantize() 解决的是把结果变成指定指数或小数位。需要固定两位小数时，仍然应该在完成计算后单独量化。

from decimal import Decimal, localcontext, ROUND_HALF_UP

with localcontext() as ctx:
    ctx.prec = 12  # 中文说明：先给乘加留出足够的有效数字空间
    ctx.rounding = ROUND_HALF_UP
    raw_total = Decimal("1250.00").fma(Decimal("0.0375"), Decimal("-2.50"))
    displayed_total = raw_total.quantize(Decimal("0.01"))  # 中文说明：最后才按展示位数量化
    print(displayed_total)

如果业务规则要求“计算过程尽量保留信息，输出时固定两位”，可以采用“先 fma()，后 quantize()”的组合。不要为了显示两位小数而提前把每个中间量都格式化成字符串。

怎样选择 fma 与普通乘加

当乘积和加数可能发生抵消、Context 精度比较紧，或者你需要稳定地保留一次乘加中的有效数字时，优先考虑 fma()。如果计算非常简单、精度余量充足，普通 a * b + c 可读性更高，也更容易被不熟悉 Decimal 的维护者理解。

常见问题

Decimal.fma 会让结果完全不舍入吗？

不会。它只跳过中间乘积的舍入，最终结果仍受当前 Context 的精度和舍入模式影响。

为什么不用提高 Context.prec 代替 fma？

提高精度可以减少误差，但会改变整个上下文的计算约束。fma() 更直接地表达“这是一次需要保留乘积信息的融合乘加”，适合只想收窄某个表达式中间边界的场景。

fma 能替代 quantize 吗？

不能。前者负责乘加语义，后者负责指数和固定小数位。需要固定输出格式时，仍应在计算完成后显式调用 quantize()。

记住一句话：普通写法是“先舍入乘积，再相加”，Decimal.fma 是“保留乘积到加法完成，再在最终边界按 Context 舍入”。根据抵消风险和可读性选择即可。