Polars DataFrame — десятичная точность удваивается при использовании целого числа

Пока это не учтено в определении pl.Expr.mul десятичных дробей, вы можете вернуться к желаемому масштабу следующим образом. Тем не менее, само умножение выполняется с более высокой точностью.

df.with_columns(
    pl.col(col).mul(pl.col("a")).cast(df.schema[col])
    for col in ["c", "d"]
)

shape: (2, 4)
┌─────┬──────────────┬──────────────┬──────────────┐
│ a   ┆ b            ┆ c            ┆ d            │
│ --- ┆ ---          ┆ ---          ┆ ---          │
│ i64 ┆ decimal[*,2] ┆ decimal[*,3] ┆ decimal[*,2] │
╞═════╪══════════════╪══════════════╪══════════════╡
│ 1   ┆ 3.45         ┆ 2.113        ┆ 1.10         │
│ 2   ┆ 4.73         ┆ 8.426        ┆ 6.02         │
└─────┴──────────────┴──────────────┴──────────────┘

Кажется, что масштаб действительно увеличился вдвое. Вы можете привести обратно к исходному типу dtype:

cols = ['c', 'd', 'e']
df.with_columns(pl.col(c).mul(pl.col('a')).cast(df[c].dtype) for c in cols)

Обратите внимание, что в настоящее время, похоже, не существует способа доступа к dtype в Expr, но это обсуждаемая функция.

Пример:

┌─────┬─────┬──────────────┬──────────────┬──────────────┐
│ a   ┆ b   ┆ c            ┆ d            ┆ e            │
│ --- ┆ --- ┆ ---          ┆ ---          ┆ ---          │
│ i64 ┆ i64 ┆ decimal[*,2] ┆ decimal[*,3] ┆ decimal[*,4] │
╞═════╪═════╪══════════════╪══════════════╪══════════════╡
│ 1   ┆ 3   ┆ 2.11         ┆ 1.100        ┆ 1.1001       │
│ 2   ┆ 4   ┆ 8.42         ┆ 6.022        ┆ 6.0004       │
└─────┴─────┴──────────────┴──────────────┴──────────────┘

Используемый вход:

from decimal import Decimal
df = pl.DataFrame({
    "a": [1, 2],
    "b": [3, 4],
    "c": [Decimal('2.11'), Decimal('4.21')],
    "d": [Decimal('1.10'), Decimal('3.011')],
    "e": [Decimal('1.1001'), Decimal('3.0002')],
})