PythonのDecimalでお金を正確に計算する方法|quantize・丸め・prec
Python で金額を計算すると、0.1 + 0.2 が 0.30000000000000004 になったり、100 円の税込み価格を切り上げたら 111 円になったりします。原因は float(浮動小数点数)の誤差です。標準ライブラリの decimal モジュールを使えば、小数を 10 進数のまま正確に計算できます。
この記事では、Decimal の作り方、税込み計算の端数処理、丸め方の違い、よくあるエラーを、Python 3.12.6(Windows 11)で実際に実行した結果つきで説明します。0.1 が 2 進数でぴったり表せない仕組みは「浮動小数点数の誤差とは?0.1+0.2が0.3にならない理由と対処法」で解説しているので、ここでは Decimal の使い方に絞ります。
この記事で分かること:
- Decimal(0.1) と Decimal(“0.1”) の違い(必ず文字列から作る理由)
- 税込み計算の 1 円未満の端数を quantize で切り捨て・四捨五入する方法
- ROUND_HALF_UP・ROUND_HALF_EVEN・ROUND_DOWN の違いと、round() が偶数丸めであること
- getcontext().prec が「有効桁数」であること、localcontext で一時的に変える方法
- float との混在・sum・JSON・SQLite で困ったときの対処と、float との速度差
Decimal とは:10 進数のまま計算する型
Decimal は、数を 10 進数の桁のまま持って計算する型です。公式ドキュメントでは、0.1 + 0.1 + 0.1 – 0.3 がちょうど 0 になるので、厳密な等しさが求められる会計の用途に向いていると説明されています。公式チュートリアルの「15. 浮動小数点演算、その問題と制限」でも、正確な 10 進数が必要な場面では decimal モジュールを勧めています。
まずは float と比べてみます。コードを sample.py などの名前で保存し、PowerShell で py sample.py と実行してください。
from decimal import Decimal
print(0.1 + 0.2)
print(Decimal("0.1") + Decimal("0.2"))
print(Decimal("0.1") + Decimal("0.2") == Decimal("0.3"))
0.30000000000000004
0.3
True
Decimal 同士なら 0.3 になり、== も True です。標準ライブラリなのでインストールは要りません。
Decimal は文字列から作る
Decimal(0.1) は誤差ごと取り込む
Decimal を使ううえでいちばん大事なのが作り方です。数値の 0.1 を渡すか、文字列の “0.1” を渡すかで結果が変わります。
from decimal import Decimal
print(Decimal(0.1))
print(Decimal("0.1"))
print(Decimal(0.1) + Decimal(0.2))
0.1000000000000000055511151231257827021181583404541015625
0.1
0.3000000000000000166533453694
Decimal(0.1) と書くと、Python はまず float の 0.1 を作ります。この時点で値は 2 進数の近い値に丸められています。Decimal はその float を誤差も含めて正確に 10 進数に直すため(公式ドキュメントにも、float は損失なく正確な 10 進数に変換されると書かれています)、0.1000000000000000055… になります。文字列の “0.1” なら、10 進数の文字のまま読むので、書いたとおりの 0.1 になります。

int・文字列・float からの作り方
from decimal import Decimal
x = 0.1
print(Decimal(str(x)))
print(Decimal(1980))
print(Decimal("1.10"))
print(repr(Decimal("1.10")))
print(Decimal("1.10") == Decimal("1.1"))
0.1
1980
1.10
Decimal('1.10')
True
- int(整数)は誤差がないので、そのまま渡せます
- float しかないときは、
Decimal(str(x))で表示どおりの値になります - Decimal は末尾の 0 を覚えています(”1.10″ は 1.10 と表示)。値は 1.1 と等しく、== は True です
税込み計算:quantize で 1 円未満を処理する
float だと 100 円の税込みが 111 円になる
税率 10% で「1 円未満は切り上げ」というルールの店を考えます。float で計算して math.ceil()(切り上げ)すると、次のようになります。
import math
print(100 * 1.1)
print(math.ceil(100 * 1.1))
110.00000000000001
111
100 × 1.1 がわずかに 110 を超えるため、切り上げると 111 円になってしまいます。1〜3000 円の整数で試したところ、税率 10% で 156 個、税率 8% で 19 個(225 円など)の価格で、切り上げた結果が 1 円ずれました。
quantize で桁をそろえて丸める
Decimal で端数を処理するには quantize() を使います。引数に「そろえたい桁の見本」を渡し、rounding で丸め方を指定します。Decimal(“1”) なら整数(1 円単位)、Decimal(“0.01”) なら小数点以下 2 桁です。
from decimal import Decimal, ROUND_DOWN, ROUND_HALF_UP, ROUND_CEILING
price = Decimal("198") * Decimal("1.1")
print(price)
print(price.quantize(Decimal("1"), rounding=ROUND_DOWN))
print(price.quantize(Decimal("1"), rounding=ROUND_HALF_UP))
print(price.quantize(Decimal("1"), rounding=ROUND_CEILING))
print((Decimal("100") * Decimal("1.1")).quantize(Decimal("1"), rounding=ROUND_CEILING))
217.8
217
218
218
110
198 円の税込みは 217.8 円で、切り捨て(ROUND_DOWN)なら 217 円、四捨五入(ROUND_HALF_UP)と切り上げ(ROUND_CEILING)なら 218 円です。100 円の切り上げも正しく 110 円になりました。
実際に使うときは、関数にまとめておくと丸め方が統一できます。次は「1 円未満切り捨て」の例です。
from decimal import Decimal, ROUND_DOWN
def with_tax(price, rate="0.10"):
"""税込み価格(1 円未満切り捨て)を返す"""
taxed = Decimal(price) * (1 + Decimal(rate))
return taxed.quantize(Decimal("1"), rounding=ROUND_DOWN)
for p in [100, 198, 980]:
print(p, with_tax(p), with_tax(p, "0.08"))
100 110 108
198 217 213
980 1078 1058
税率は “0.10” のように文字列で渡しています。0.1 のような float を渡すと、前の章の Decimal(0.1) と同じ問題が起きるためです。価格は整数なのでそのまま渡せます。端数を 1 品ごとに丸めるか合計で 1 回丸めるかでも結果が変わるので、仕様として決めておきましょう。
丸め方の違い:ROUND_HALF_UP と偶数丸め
ちょうど半分(0.5)のときの扱いが、丸め方によって違います。整数に丸めた結果を並べてみます。最後の列は組み込みの round() です。
from decimal import Decimal, ROUND_HALF_UP, ROUND_HALF_EVEN, ROUND_DOWN
modes = [ROUND_HALF_UP, ROUND_HALF_EVEN, ROUND_DOWN]
for v in ["0.5", "1.5", "2.5", "-2.5", "2.6"]:
d = Decimal(v)
results = [str(d.quantize(Decimal("1"), rounding=m)) for m in modes]
print(v, results, round(float(v)))
0.5 ['1', '0', '0'] 0
1.5 ['2', '2', '1'] 2
2.5 ['3', '2', '2'] 2
-2.5 ['-3', '-2', '-2'] -2
2.6 ['3', '3', '2'] 3
| 指定 | 意味(公式ドキュメントの説明) | 2.5 → | -2.5 → |
|---|---|---|---|
| ROUND_HALF_UP | 近いほうへ。ちょうど半分なら 0 から遠いほうへ(いわゆる四捨五入) | 3 | -3 |
| ROUND_HALF_EVEN | 近いほうへ。ちょうど半分なら偶数のほうへ(偶数丸め・銀行丸め)。Decimal の既定 | 2 | -2 |
| ROUND_DOWN | 0 に向かって切り捨て | 2 | -2 |
| ROUND_UP | 0 から遠いほうへ切り上げ | 3 | -3 |
| ROUND_CEILING | プラスの無限大の方向へ(数直線の右へ) | 3 | -2 |
| ROUND_FLOOR | マイナスの無限大の方向へ(数直線の左へ) | 2 | -3 |
ROUND_UP・ROUND_CEILING・ROUND_FLOOR も同じ方法で確かめました。マイナスの金額(返金など)では、ROUND_DOWN(0 に近づける)と ROUND_FLOOR(小さいほうへ)の違いに注意してください。
round() も Decimal の既定も偶数丸め
from decimal import Decimal
print(round(0.5), round(1.5), round(2.5), round(3.5))
print(Decimal("2.5").quantize(Decimal("1")))
print(round(Decimal("2.5")))
print(f"{Decimal('2.5'):.0f}")
0 2 2 4
2
2
2
組み込みの round() は、公式ドキュメントのとおり「2 つの候補が同じだけ近いときは偶数のほうへ」丸めるので、round(2.5) は 2 です。Decimal も rounding を省略すると既定の ROUND_HALF_EVEN になり、f 文字列の :.0f でも 2.5 は 2 と表示されます。四捨五入したいときは、ROUND_HALF_UP を毎回明示するのが確実です。小数点以下 2 桁でも同じで、Decimal(“2.665”) を quantize(Decimal(“0.01”)) すると、既定では 2.66、ROUND_HALF_UP なら 2.67 になります。
getcontext().prec は「有効桁数」
Decimal の計算の設定は「コンテキスト」にまとまっていて、getcontext() で取り出せます。prec は計算結果の精度で、既定は 28 です。
from decimal import Decimal, getcontext
print(getcontext().prec)
print(Decimal(1) / Decimal(3))
print(Decimal(1000) / Decimal(3))
28
0.3333333333333333333333333333
333.3333333333333333333333333
1000/3 は小数点以下 25 桁しかありません。prec は小数点以下の桁数ではなく、上から数えた有効数字の桁数だからです(3 桁 + 25 桁 = 28 桁)。prec を 6 にすると、違いがはっきりします。
from decimal import Decimal, getcontext
getcontext().prec = 6
print(Decimal("1234.5678") + 0)
print(Decimal("0.0012345678") + 0)
print(Decimal("12345678") + 0)
print(Decimal("1234.5678"))
1234.57
0.00123457
1.23457E+7
1234.5678

どれも上から 6 桁に丸められ、12345678 は 1.23457E+7(1.23457 × 107)という指数表記になりました。最後の行のように、Decimal を作っただけでは丸められません。公式ドキュメントにも、新しい Decimal の桁は入力した桁だけで決まり、精度と丸めは計算のときだけ使われると書かれています。
金額の端数処理を prec で済ませようとするのは間違いです。小数点以下の桁をそろえるのは quantize の役目で、prec は既定の 28 のままで十分です(1 兆円を銭まで表しても 15 桁です)。prec を小さくしたまま quantize で桁を増やすと、6 桁に収まらない 12345678 を Decimal(“0.01”) にそろえようとした時点で decimal.InvalidOperation になります。
localcontext で設定を一時的に変える
getcontext().prec = 6 のように直接変えると、その後のすべての計算に影響します。一部の計算だけ設定を変えたいときは localcontext() を with 文で使います。with を抜けると元の設定に戻ります。
from decimal import Decimal, localcontext
with localcontext() as ctx:
ctx.prec = 50
print(Decimal(1) / Decimal(7))
print(Decimal(1) / Decimal(7))
0.14285714285714285714285714285714285714285714285714
0.1428571428571428571428571429
with の中だけ 50 桁、外では既定の 28 桁で計算されています。Python 3.11 からは、localcontext(prec=5, rounding=ROUND_DOWN) のようにキーワード引数でも指定できます(この書き方で 2/3 が 0.66666 になることを確認しました)。with 文の仕組みは「Pythonのwith文とは?コンテキストマネージャーの仕組みと作り方」で解説しています。
float・int と混ぜたときの動き
int とは計算できるが、float とは TypeError
from decimal import Decimal
print(Decimal("100") * 3)
print(Decimal("100") * 1.1)
300
Traceback (most recent call last):
……
TypeError: unsupported operand type(s) for *: 'decimal.Decimal' and 'float'
int との計算は問題ありませんが、float との四則演算は TypeError(型の組み合わせが使えないというエラー)になります。うっかり float が混ざるのを防いでくれるので、エラーが出たら Decimal("1.1") のように文字列から作り直しましょう。
比較はエラーにならないので注意
from decimal import Decimal
print(Decimal("0.5") == 0.5)
print(Decimal("0.1") == 0.1)
print(Decimal("0.1") < 0.1)
True
False
True
一方、== や < での比較は、Python 3.2 からエラーにならず、正確な値どうしで比べます。0.5 は 2 進数でぴったり表せるので True ですが、float の 0.1 は 0.1 より少し大きいので、Decimal(“0.1”) == 0.1 は False、Decimal(“0.1”) < 0.1 は True です。「if 金額 == 0.1:」のような比較は、エラーにならないまま間違った結果になります。
混ざるのを見つけたいときは、getcontext().traps[FloatOperation] = True と設定すると、Decimal(0.1) や float との大小比較が decimal.FloatOperation エラーになります。ただし公式ドキュメントのとおり、== の比較はこの設定でもエラーになりませんでした。
合計は sum(…, Decimal(“0”)) で
from decimal import Decimal
prices = [Decimal("19.80"), Decimal("5.50"), Decimal("0.70")]
print(repr(sum(prices)))
print(repr(sum([])))
print(repr(sum([], Decimal("0"))))
Decimal('26.00')
0
Decimal('0')
sum() は始まりの値(start)の 0 に足していきます。0 は int なので Decimal と足せて、結果も Decimal(‘26.00’) です。困るのはリストが空のときで、int の 0 が返ります。そのあと float と混ざったり、型のチェックで引っかかったりするので、sum(prices, Decimal("0")) と start を指定しておくと、空でも Decimal(‘0’) が返ります。
JSON に入れるときは文字列にする
Decimal をそのまま json.dumps() に渡すと、最後の行に次のエラーが出ます。
TypeError: Object of type Decimal is not JSON serializable
受け取った側が数値を float として読むと正確さが失われるので、金額は文字列にして渡すのが安全です。
import json
from decimal import Decimal
data = {"item": "pen", "price": Decimal("1.10")}
print(json.dumps(data, default=str))
print(json.loads('{"price": 1.10}'))
print(json.loads('{"price": 1.10}', parse_float=Decimal))
{"item": "pen", "price": "1.10"}
{'price': 1.1}
{'price': Decimal('1.10')}
default=strは「JSON にできない値は str() で文字列にする」という指定です。手軽ですが、datetime など Decimal 以外の値も黙って文字列になります。型ごとに変換したいときは、関数を作って default に渡します(「PythonでJSONを扱う方法」で紹介しています)- 読み込むときは
parse_float=Decimalを指定すると、JSON の小数が float を経由せずに Decimal になり、末尾の 0 も残ります
SQLite に保存するとき
Python の sqlite3 は Decimal をそのまま保存できません。con.execute("INSERT INTO items VALUES (?, ?)", ("pen", Decimal("1.10"))) を実行すると、次のエラーになります(SQLite 3.45.3 で確認)。
sqlite3.ProgrammingError: Error binding parameter 2: type 'decimal.Decimal' is not supported
保存の仕方は 2 つあります。1 つは TEXT 列に文字列で保存する方法、もう 1 つはいちばん小さい単位の整数(円、またはセント・銭)で INTEGER 列に保存する方法です。両方を試してみます。
import sqlite3
from decimal import Decimal
con = sqlite3.connect(":memory:")
con.execute("CREATE TABLE items (name TEXT, price_text TEXT, price_sen INTEGER)")
for name, price in [("pen", Decimal("1.10")), ("note", Decimal("2.35"))]:
sen = int(price.quantize(Decimal("0.01")) * 100)
con.execute("INSERT INTO items VALUES (?, ?, ?)", (name, str(price), sen))
print(con.execute("SELECT * FROM items").fetchall())
rows = con.execute("SELECT price_text FROM items").fetchall()
print(sum((Decimal(r[0]) for r in rows), Decimal("0")))
total_sen = con.execute("SELECT sum(price_sen) FROM items").fetchone()[0]
print(total_sen, Decimal(total_sen).scaleb(-2))
[('pen', '1.10', 110), ('note', '2.35', 235)]
3.45
345 3.45
整数で持つ方法なら、SQL の sum() で正確に合計でき、取り出したあと scaleb(-2)(10-2 を掛ける)で 3.45 に戻せます。TEXT で持つ場合は、SQL の中で計算しないのが注意点です。”0.1″ と “0.2” を入れた TEXT 列を SELECT sum() すると、SQLite は数値に変換して 0.30000000000000004(型は real)を返しました。Python に取り出してから Decimal にして計算しましょう。
sqlite3.register_adapter(Decimal, str) を最初に 1 回実行しておくと、Decimal を渡すだけで文字列として保存されます(typeof で text を確認)。SQLite の基本的な使い方は「Pythonのsqlite3入門」、SQLite の DECIMAL 型でも誤差が出る話は「浮動小数点数の誤差とは?」にあります。
fractions との違いと、計算の速さ
Decimal でも、10 進数で割り切れない数は丸められます。1/3 を 3 倍しても 1 には戻りません。分数のまま持つ fractions モジュールの Fraction なら、ぴったり 1 です。
from decimal import Decimal
from fractions import Fraction
print(Decimal(1) / Decimal(3) * 3)
print(Fraction(1, 3) * 3)
0.9999999999999999999999999999
1
ただし、お金は最終的に円やセントの桁にそろえるものなので、ふつうは Decimal で十分です。
速さは timeit で比べられます。PowerShell で次のコマンドを実行すると、Decimal 同士の足し算 1 回の時間を測れます(-s は最初に 1 回だけ実行する準備のコード)。
py -m timeit -s "from decimal import Decimal; a = Decimal('0.1'); b = Decimal('0.2')" "a + b"
float・Fraction も同様に測り、10 万個の値を sum() で合計する時間(timeit.repeat で 5 回測った最小値)も比べました。この PC(Core i7-13700F、Python 3.12.6)での値で、環境によって変わります。
| 型 | 足し算 1 回 | 10 万個の sum() |
|---|---|---|
| int | 10.4 ナノ秒 | 約 0.2 ミリ秒 |
| float | 11.6 ナノ秒 | 約 0.19 ミリ秒 |
| Decimal | 28.8 ナノ秒 | 約 2.4 ミリ秒 |
| Fraction | 336 ナノ秒 | 約 39.8 ミリ秒 |
Decimal は float より遅いものの、10 万件の合計でも数ミリ秒です。請求書や売上の集計なら、速さより正確さを優先して問題ありません。測り方の詳しい説明は「Pythonで処理時間を測る方法」にあります。
よくある間違い
quantize の結果を代入し忘れる
Decimal は値を書き換えられない型で、quantize() は新しい Decimal を返すだけです。price = Decimal(“217.8”) のあと price.quantize(Decimal(“1”)) と書いても price は 217.8 のままで、price = price.quantize(Decimal("1")) と代入して初めて 218 になります。
「1,000」をそのまま Decimal にする
Decimal(“1,000”) は decimal.InvalidOperation: [<class 'decimal.ConversionSyntax'>] になります。カンマ区切りの入力は Decimal(s.replace(",", "")) のようにカンマを取り除いてから変換します。逆に全角の Decimal(“12”) は 12 に変換されるので、半角数字だけを許したいなら変換前に確かめます。例外の扱い方は「Pythonの例外処理入門」を参考にしてください。
よくある質問
1000 円を 3 人で割り勘するとどうなりますか?
Decimal(“1000”) / 3 は 333.3333333333333333333333333 で、割り切れません。1 人分を (total / 3).quantize(Decimal("1"), rounding=ROUND_DOWN) で 333 円にし、最後の 1 人を total – 333 × 2 の 334 円にすると、合計が 1000 円に合います。端数を誰が持つかは、ルールとして決めておく必要があります。
まとめ
お金の計算では、Decimal を文字列から作り、端数はquantize と rounding を明示して丸めます。prec は有効桁数なので既定の 28 のままでよく、float とは混ぜない、JSON や SQLite には文字列か最小単位の整数で渡す、の 3 点を押さえれば、1 円のずれに悩まされることはほとんどなくなります。
関連する記事・ツール
- 浮動小数点数の誤差とは?0.1+0.2が0.3にならない理由と対処法
- Pythonのf文字列(f-string)の使い方|書式指定・桁区切り・ゼロ埋めを実例で解説
- PythonでJSONを扱う方法|json.loads・dumpsの使い方とエラー対処
- Pythonのsqlite3入門|SQLiteの操作方法とプレースホルダ・エラー対処
- Pythonで処理時間を測る方法|time・perf_counter・timeitの違い