"decimal" --- Aritmética decimal de coma fija y coma flotante
*************************************************************

**Código fuente:** Lib/decimal.py

======================================================================

El módulo "decimal" proporciona soporte para aritmética de coma
flotante decimal rápida y redondeada correctamente. Ofrece varias
ventajas en comparación con el tipo de dato "float":

* Decimal "se basa en un modelo de coma flotante que se diseñó
  pensando en las personas, y necesariamente tiene un principio rector
  supremo: las computadoras deben proporcionar una aritmética que
  funcione de la misma manera que la aritmética que las personas
  aprenden en la escuela." -- extracto (traducido) de la
  especificación de la aritmética decimal.

* Decimal numbers can be represented exactly.  In contrast, numbers
  like "1.1" and "2.2" do not have exact representations in binary
  floating point. End users typically would not expect "1.1 + 2.2" to
  display as "3.3000000000000003" as it does with binary floating
  point.

* The exactness carries over into arithmetic.  In decimal floating
  point, "0.1 + 0.1 + 0.1 - 0.3" is exactly equal to zero.  In binary
  floating point, the result is "5.5511151231257827e-017".  While near
  to zero, the differences prevent reliable equality testing and
  differences can accumulate. For this reason, decimal is preferred in
  accounting applications which have strict equality invariants.

* The decimal module incorporates a notion of significant places so
  that "1.30 + 1.20" is "2.50".  The trailing zero is kept to indicate
  significance. This is the customary presentation for monetary
  applications. For multiplication, the "schoolbook" approach uses all
  the figures in the multiplicands.  For instance, "1.3 * 1.2" gives
  "1.56" while "1.30 * 1.20" gives "1.5600".

* A diferencia del punto flotante binario basado en hardware, el
  módulo decimal tiene una precisión modificable por el usuario (por
  defecto es de 28 dígitos decimales) que puede ser tan grande como
  sea necesario para un problema dado:

  >>> from decimal import *
  >>> getcontext().prec = 6
  >>> Decimal(1) / Decimal(7)
  Decimal('0.142857')
  >>> getcontext().prec = 28
  >>> Decimal(1) / Decimal(7)
  Decimal('0.1428571428571428571428571429')

* Tanto la representación en coma flotante binaria como la decimal se
  implementan de acuerdo a estándares publicados. Mientras que el tipo
  float expone solo una pequeña parte de sus capacidades, el módulo
  decimal expone todos los componentes requeridos del estándar. Cuando
  es necesario, el desarrollador tiene control total sobre el redondeo
  y la gestión de las señales. Esto incluye la capacidad de forzar la
  aritmética exacta, utilizando excepciones para bloquear cualquier
  operación inexacta.

* El módulo decimal fue diseñado para admitir "indiscriminadamente,
  tanto aritmética decimal exacta sin redondeo (a veces llamada
  aritmética de coma fija) como la aritmética de coma flotante con
  redondeo." -- extracto (traducido) de la especificación de la
  aritmética decimal.

El módulo está diseñado en torno a tres conceptos: el número decimal,
el contexto aritmético y las señales.

A decimal number is immutable.  It has a sign, coefficient digits, and
an exponent.  To preserve significance, the coefficient digits do not
truncate trailing zeros.  Decimals also include special values such as
"Infinity", "-Infinity", and "NaN".  The standard also differentiates
"-0" from "+0".

El contexto aritmético es un entorno que permite especificar una
precisión, reglas de redondeo, límites en los exponentes, flags que
indican el resultado de las operaciones y habilitadores de trampas que
especifican si las señales (reportadas durante operaciones ilegales)
son tratadas o no como excepciones de Python. Las opciones de redondeo
incluyen "ROUND_CEILING", "ROUND_DOWN", "ROUND_FLOOR",
"ROUND_HALF_DOWN", "ROUND_HALF_EVEN", "ROUND_HALF_UP", "ROUND_UP" y
"ROUND_05UP".

Las señales son grupos de condiciones excepcionales que ocurren
durante el cálculo. Dependiendo de las necesidades de la aplicación,
las señales pueden ignorarse, tratarse como información o tratarse
como excepciones. Las señales existentes en el módulo decimal son
"Clamped", "InvalidOperation", "DivisionByZero", "Inexact", "Rounded",
"Subnormal", "Overflow", "Underflow" y "FloatOperation".

Por cada señal hay un flag y un habilitador de trampa. Cuando ocurre
una operación ilegal, su flag se establece en uno, luego, si su
habilitador de trampa está establecido en uno, se lanza una excepción.
La configuración de los flags es persistente, por lo que el usuario
debe restablecerlos antes de comenzar un cálculo que desee monitorear.

Ver también:

  * IBM's General Decimal Arithmetic Specification, The General
    Decimal Arithmetic Specification.


Tutorial de inicio rápido
=========================

El punto de partida habitual para usar decimales es importar el
módulo, ver el contexto actual con "getcontext()" y, si es necesario,
establecer nuevos valores para la precisión, el redondeo o trampas de
señales habilitadas:

   >>> from decimal import *
   >>> getcontext()
   Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999,
           capitals=1, clamp=0, flags=[], traps=[Overflow, DivisionByZero,
           InvalidOperation])

   >>> getcontext().prec = 7       # Set a new precision

Decimal instances can be constructed from integers, strings, floats,
or tuples. Construction from an integer or a float performs an exact
conversion of the value of that integer or float.  Decimal numbers
include special values such as "NaN" which stands for "Not a number",
positive and negative "Infinity", and "-0":

   >>> getcontext().prec = 28
   >>> Decimal(10)
   Decimal('10')
   >>> Decimal('3.14')
   Decimal('3.14')
   >>> Decimal(3.14)
   Decimal('3.140000000000000124344978758017532527446746826171875')
   >>> Decimal((0, (3, 1, 4), -2))
   Decimal('3.14')
   >>> Decimal(str(2.0 ** 0.5))
   Decimal('1.4142135623730951')
   >>> Decimal(2) ** Decimal('0.5')
   Decimal('1.414213562373095048801688724')
   >>> Decimal('NaN')
   Decimal('NaN')
   >>> Decimal('-Infinity')
   Decimal('-Infinity')

Si la señal "FloatOperation" es atrapada, la mezcla accidental de
decimales y flotantes en constructores o comparaciones de orden
lanzará una excepción:

   >>> c = getcontext()
   >>> c.traps[FloatOperation] = True
   >>> Decimal(3.14)
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   decimal.FloatOperation: [<class 'decimal.FloatOperation'>]
   >>> Decimal('3.5') < 3.7
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   decimal.FloatOperation: [<class 'decimal.FloatOperation'>]
   >>> Decimal('3.5') == 3.5
   True

Nuevo en la versión 3.3.

La significación de un nuevo objeto Decimal es determinada únicamente
por el número de dígitos ingresados. La precisión y el redondeo
establecidos en el contexto solo entran en juego durante las
operaciones aritméticas.

   >>> getcontext().prec = 6
   >>> Decimal('3.0')
   Decimal('3.0')
   >>> Decimal('3.1415926535')
   Decimal('3.1415926535')
   >>> Decimal('3.1415926535') + Decimal('2.7182818285')
   Decimal('5.85987')
   >>> getcontext().rounding = ROUND_UP
   >>> Decimal('3.1415926535') + Decimal('2.7182818285')
   Decimal('5.85988')

Se lanza una excepción "InvalidOperation" si durante la construcción
de un objeto Decimal se exceden los límites internos de la versión de
C:

   >>> Decimal("1e9999999999999999999")
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   decimal.InvalidOperation: [<class 'decimal.InvalidOperation'>]

Distinto en la versión 3.3.

Los objetos Decimal interactúan bien con gran parte del resto de
Python. Aquí hay un pequeño circo volador de punto flotante decimal:

   >>> data = list(map(Decimal, '1.34 1.87 3.45 2.35 1.00 0.03 9.25'.split()))
   >>> max(data)
   Decimal('9.25')
   >>> min(data)
   Decimal('0.03')
   >>> sorted(data)
   [Decimal('0.03'), Decimal('1.00'), Decimal('1.34'), Decimal('1.87'),
    Decimal('2.35'), Decimal('3.45'), Decimal('9.25')]
   >>> sum(data)
   Decimal('19.29')
   >>> a,b,c = data[:3]
   >>> str(a)
   '1.34'
   >>> float(a)
   1.34
   >>> round(a, 1)
   Decimal('1.3')
   >>> int(a)
   1
   >>> a * 5
   Decimal('6.70')
   >>> a * b
   Decimal('2.5058')
   >>> c % a
   Decimal('0.77')

Y algunas funciones matemáticas también están disponibles para
Decimal:

>>> getcontext().prec = 28
>>> Decimal(2).sqrt()
Decimal('1.414213562373095048801688724')
>>> Decimal(1).exp()
Decimal('2.718281828459045235360287471')
>>> Decimal('10').ln()
Decimal('2.302585092994045684017991455')
>>> Decimal('10').log10()
Decimal('1')

The "quantize()" method rounds a number to a fixed exponent.  This
method is useful for monetary applications that often round results to
a fixed number of places:

>>> Decimal('7.325').quantize(Decimal('.01'), rounding=ROUND_DOWN)
Decimal('7.32')
>>> Decimal('7.325').quantize(Decimal('1.'), rounding=ROUND_UP)
Decimal('8')

Como se muestra arriba, la función "getcontext()" accede al contexto
actual y permite cambiar la configuración. Este enfoque satisface las
necesidades de la mayoría de las aplicaciones.

Para trabajos más avanzados, puede resultar útil crear contextos
alternativos utilizando el constructor Context(). Para activar un
contexto alternativo, usa la función "setcontext()".

De acuerdo con el estándar, el módulo "decimal" proporciona dos
contextos estándar listos para usar, "BasicContext" y
"ExtendedContext". El primero es particularmente útil para la
depuración, ya que muchas de las trampas de señales están habilitadas
por defecto:

   >>> myothercontext = Context(prec=60, rounding=ROUND_HALF_DOWN)
   >>> setcontext(myothercontext)
   >>> Decimal(1) / Decimal(7)
   Decimal('0.142857142857142857142857142857142857142857142857142857142857')

   >>> ExtendedContext
   Context(prec=9, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999,
           capitals=1, clamp=0, flags=[], traps=[])
   >>> setcontext(ExtendedContext)
   >>> Decimal(1) / Decimal(7)
   Decimal('0.142857143')
   >>> Decimal(42) / Decimal(0)
   Decimal('Infinity')

   >>> setcontext(BasicContext)
   >>> Decimal(42) / Decimal(0)
   Traceback (most recent call last):
     File "<pyshell#143>", line 1, in -toplevel-
       Decimal(42) / Decimal(0)
   DivisionByZero: x / 0

Contexts also have signal flags for monitoring exceptional conditions
encountered during computations.  The flags remain set until
explicitly cleared, so it is best to clear the flags before each set
of monitored computations by using the "clear_flags()" method.

   >>> setcontext(ExtendedContext)
   >>> getcontext().clear_flags()
   >>> Decimal(355) / Decimal(113)
   Decimal('3.14159292')
   >>> getcontext()
   Context(prec=9, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999,
           capitals=1, clamp=0, flags=[Inexact, Rounded], traps=[])

The *flags* entry shows that the rational approximation to pi was
rounded (digits beyond the context precision were thrown away) and
that the result is inexact (some of the discarded digits were non-
zero).

Individual traps are set using the dictionary in the "traps" attribute
of a context:

   >>> setcontext(ExtendedContext)
   >>> Decimal(1) / Decimal(0)
   Decimal('Infinity')
   >>> getcontext().traps[DivisionByZero] = 1
   >>> Decimal(1) / Decimal(0)
   Traceback (most recent call last):
     File "<pyshell#112>", line 1, in -toplevel-
       Decimal(1) / Decimal(0)
   DivisionByZero: x / 0

La mayoría de los programas ajustan el contexto actual una sola vez,
al comienzo del programa. Y, en muchas aplicaciones, los datos se
convierten a "Decimal" mediante una única conversión dentro de un
bucle. Con el contexto establecido y los decimales creados, la mayor
parte del programa manipula los datos de la misma forma que con otros
tipos numéricos de Python.


Objetos Decimal
===============

class decimal.Decimal(value='0', context=None)

   Construye un nuevo objeto "Decimal" basado en *value*.

   *value* puede ser un entero, una cadena de caracteres, una tupla,
   un "float" u otro objeto "Decimal". Si no se proporciona *value*,
   retorna "Decimal('0')". Si *value* es una cadena, debe ajustarse a
   la sintaxis de cadena numérica decimal después de que los espacios
   en blanco iniciales y finales, así como los guiones bajos, sean
   eliminados:

      sign           ::=  '+' | '-'
      digit          ::=  '0' | '1' | '2' | '3' | '4' | '5' | '6' | '7' | '8' | '9'
      indicator      ::=  'e' | 'E'
      digits         ::=  digit [digit]...
      decimal-part   ::=  digits '.' [digits] | ['.'] digits
      exponent-part  ::=  indicator [sign] digits
      infinity       ::=  'Infinity' | 'Inf'
      nan            ::=  'NaN' [digits] | 'sNaN' [digits]
      numeric-value  ::=  decimal-part [exponent-part] | infinity
      numeric-string ::=  [sign] numeric-value | [sign] nan

   También se permiten otros dígitos decimales Unicode en aquellos
   lugares en los que arriba aparece "digit". Estos incluyen dígitos
   decimales de otros alfabetos (por ejemplo, dígitos del alfabeto
   árabe-índico y devanāgarī) junto con los dígitos de ancho completo
   desde "'\uff10'" a "'\uff19'".

   If *value* is a "tuple", it should have three components, a sign
   ("0" for positive or "1" for negative), a "tuple" of digits, and an
   integer exponent. For example, "Decimal((0, (1, 4, 1, 4), -3))"
   returns "Decimal('1.414')".

   Si *value* es un "float", el valor binario de coma flotante se
   convierte sin pérdidas a su equivalente decimal exacto. Esta
   conversión a menudo puede requerir 53 o más dígitos de precisión.
   Por ejemplo, "Decimal(float('1.1'))" se convierte en
   "Decimal('1.100000000000000088817841970012523233890533447265625')".

   La precisión de *context* no afecta a la cantidad de dígitos
   almacenados. Eso está determinado exclusivamente por el número de
   dígitos en *value*. Por ejemplo, "Decimal('3.00000')" registra los
   cinco ceros incluso si la precisión del contexto es solo tres.

   The purpose of the *context* argument is determining what to do if
   *value* is a malformed string.  If the context traps
   "InvalidOperation", an exception is raised; otherwise, the
   constructor returns a new Decimal with the value of "NaN".

   Una vez construidos, los objetos "Decimal" son inmutables.

   Distinto en la versión 3.2: Ahora se permite que el argumento del
   constructor sea una instancia "float".

   Distinto en la versión 3.3: Los argumentos "float" ahora generan
   una excepción si se establece la trampa "FloatOperation". Por
   defecto, la trampa está desactivada.

   Distinto en la versión 3.6: Se permiten guiones bajos para la
   agrupación, como ocurre en el código con los literales enteros y de
   punto flotante.

   Los objetos de coma flotante decimal comparten muchas propiedades
   con los otros tipos numéricos integrados, como "float" e "int". Se
   aplican todas las operaciones matemáticas habituales y los métodos
   especiales. Asimismo, los objetos decimales se pueden copiar,
   serializar con pickle, imprimir, usar como claves de un diccionario
   o como elementos de un conjunto, comparar, ordenar y convertir a
   otros tipos (como "float" o "int").

   Hay algunas pequeñas diferencias entre la aritmética en objetos
   decimales y la aritmética en enteros y flotantes. Cuando el
   operador de resto "%" se aplica a objetos Decimal, el signo del
   resultado es el signo del *dividendo* en lugar del signo del
   divisor:

      >>> (-7) % 4
      1
      >>> Decimal(-7) % Decimal(4)
      Decimal('-3')

   El operador de división entera "//" se comporta de manera análoga,
   retornando la parte entera del cociente verdadero (truncando hacia
   cero) en lugar del resultado de aplicarle la función suelo. Esto se
   hace con la finalidad de preservar la identidad habitual "x == (x
   // y) * y + x % y":

      >>> -7 // 4
      -2
      >>> Decimal(-7) // Decimal(4)
      Decimal('-1')

   Los operadores "%" y "//" implementan las operaciones "remainder" y
   "divide-integer" (respectivamente) como se describe en la
   especificación.

   Los objetos de la clase Decimal generalmente no se pueden combinar
   con flotantes o instancias de "fractions.Fraction" en operaciones
   aritméticas: un intento de agregar un objeto "Decimal" a un
   "float", por ejemplo, lanzará una excepción "TypeError". Sin
   embargo, es posible usar los operadores de comparación de Python
   para comparar una instancia de "Decimal" "x" con otro número "y".
   Esto evita resultados confusos al hacer comparaciones de igualdad
   entre números de diferentes tipos.

   Distinto en la versión 3.2: Las comparaciones de tipo mixto entre
   instancias de "Decimal" y otros tipos numéricos ahora son
   totalmente compatibles.

   Además de las propiedades numéricas estándar, los objetos de coma
   flotante decimal también tienen varios métodos especializados:

   adjusted()

      Retorna el exponente ajustado después de desplazar los dígitos
      del extremo derecho del coeficiente hasta que solo quede el
      dígito principal: "Decimal('321e+5').adjusted()" retorna siete.
      Se utiliza para determinar la posición del dígito más
      significativo con respecto al punto decimal.

   as_integer_ratio()

      Retorna un par de enteros "(n, d)" que representan la instancia
      de "Decimal" proporcionada como una fracción irreducible y con
      un denominador positivo:

         >>> Decimal('-3.14').as_integer_ratio()
         (-157, 50)

      La conversión es exacta. Lanza una excepción OverflowError si se
      proporcionan valores infinitos y ValueError con valores NaN.

   Nuevo en la versión 3.6.

   as_tuple()

      Retorna una representación en forma de *named tuple* del número:
      "DecimalTuple(sign, digits, exponent)".

   canonical()

      Retorna la codificación canónica del argumento. Actualmente, la
      codificación de una instancia de "Decimal" es siempre canónica,
      por lo que esta operación retorna su argumento sin cambios.

   compare(other, context=None)

      Compara los valores de dos instancias de Decimal. El método
      "compare()" retorna una instancia de Decimal, y si alguno de los
      operandos es un NaN, el resultado es un NaN:

         a or b is a NaN  ==> Decimal('NaN')
         a < b            ==> Decimal('-1')
         a == b           ==> Decimal('0')
         a > b            ==> Decimal('1')

   compare_signal(other, context=None)

      Esta operación es idéntica al método "compare()", excepto que
      todos los valores NaN generan una señal. Es decir, si ninguno de
      los operandos es un NaN señalizador, cualquier operando de NaN
      silencioso se trata como si fuera un NaN señalizador.

   compare_total(other, context=None)

      Compara dos operandos utilizando su representación abstracta en
      lugar de su valor numérico. Similar al método "compare()", pero
      el resultado proporciona un ordenamiento total en las instancias
      de "Decimal". Dos instancias de "Decimal" con el mismo valor
      numérico, pero diferentes representaciones, se comparan como
      desiguales usando este orden:

      >>> Decimal('12.0').compare_total(Decimal('12'))
      Decimal('-1')

      Los NaN silenciosos y señalizadores también se incluyen en el
      ordenamiento total. El resultado de esta función es
      "Decimal('0')" si ambos operandos tienen la misma
      representación, "Decimal('-1')" si el primer operando es menor
      en el orden total que el segundo y "Decimal('1')" si el primer
      operando es mayor en el orden total que el segundo operando.
      Consulta las especificaciones para obtener detalles sobre el
      ordenamiento total.

      Esta operación no se ve afectada por el contexto y es
      silenciosa: no se cambian los flags y no se realiza ningún
      redondeo. Como excepción, la versión de C puede lanzar
      InvalidOperation si el segundo operando no se puede convertir
      exactamente.

   compare_total_mag(other, context=None)

      Compara dos operandos usando su representación abstracta en
      lugar de su valor, como en "compare_total()", pero ignorando el
      signo de cada operando. "x.compare_total_mag(y)" es equivalente
      a "x.copy_abs().compare_total(y.copy_abs())".

      Esta operación no se ve afectada por el contexto y es
      silenciosa: no se cambian los flags y no se realiza ningún
      redondeo. Como excepción, la versión de C puede lanzar
      InvalidOperation si el segundo operando no se puede convertir
      exactamente.

   conjugate()

      Simplemente retorna self (el propio objeto al que pertenece el
      método invocado). Este método existe solo para cumplir con la
      Especificación decimal.

   copy_abs()

      Retorna el valor absoluto del argumento. Esta operación no se ve
      afectada por el contexto y es silenciosa: no se modifican los
      flags y no se realiza ningún redondeo.

   copy_negate()

      Retorna la negación del argumento. Esta operación no se ve
      afectada por el contexto y es silenciosa: no se cambian los
      flags y no se realiza ningún redondeo.

   copy_sign(other, context=None)

      Retorna una copia del primer operando pero con el signo
      establecido para que sea el mismo que el del segundo operando.
      Por ejemplo:

      >>> Decimal('2.3').copy_sign(Decimal('-1.5'))
      Decimal('-2.3')

      Esta operación no se ve afectada por el contexto y es
      silenciosa: no se cambian los flags y no se realiza ningún
      redondeo. Como excepción, la versión de C puede lanzar
      InvalidOperation si el segundo operando no se puede convertir
      exactamente.

   exp(context=None)

      Retorna el valor de la función exponencial (natural) "e**x" en
      el número dado. El resultado es correctamente redondeado
      utilizando el modo de redondeo "ROUND_HALF_EVEN".

      >>> Decimal(1).exp()
      Decimal('2.718281828459045235360287471')
      >>> Decimal(321).exp()
      Decimal('2.561702493119680037517373933E+139')

   classmethod from_float(f)

      Alternative constructor that only accepts instances of "float"
      or "int".

      Note "Decimal.from_float(0.1)" is not the same as
      "Decimal('0.1')". Since 0.1 is not exactly representable in
      binary floating point, the value is stored as the nearest
      representable value which is "0x1.999999999999ap-4".  That
      equivalent value in decimal is
      "0.1000000000000000055511151231257827021181583404541015625".

      Nota:

        Desde Python 3.2 en adelante, una instancia de "Decimal"
        también se puede construir directamente desde una instancia de
        "float".

         >>> Decimal.from_float(0.1)
         Decimal('0.1000000000000000055511151231257827021181583404541015625')
         >>> Decimal.from_float(float('nan'))
         Decimal('NaN')
         >>> Decimal.from_float(float('inf'))
         Decimal('Infinity')
         >>> Decimal.from_float(float('-inf'))
         Decimal('-Infinity')

      Nuevo en la versión 3.1.

   fma(other, third, context=None)

      Fusión de la multiplicación y la suma. Retorna self*other+third
      sin redondeo del producto intermedio self*other.

      >>> Decimal(2).fma(3, 5)
      Decimal('11')

   is_canonical()

      Retorna "True" si el argumento es canónico y "False" en caso
      contrario. Actualmente, una instancia de "Decimal" es siempre
      canónica, por lo que esta operación siempre retorna "True".

   is_finite()

      Retorna "True" si el argumento es un número finito y "False" si
      el argumento es un valor infinito o un NaN.

   is_infinite()

      Retorna "True" si el argumento es un valor infinito positivo o
      negativo y "False" en caso contrario.

   is_nan()

      Retorna "True" si el argumento es un NaN (silencioso o
      señalizador) y "False" en caso contrario.

   is_normal(context=None)

      Retorna "True" si el argumento es un número finito *normal*.
      Retorna "False" si el argumento es cero, subnormal, infinito o
      un NaN.

   is_qnan()

      Retorna "True" si el argumento es un NaN silencioso y "False" en
      caso contrario.

   is_signed()

      Retorna "True" si el argumento tiene signo negativo y "False" en
      caso contrario. Ten en cuenta que tanto los ceros como los NaN
      pueden tener signo.

   is_snan()

      Retorna "True" si el argumento es un NaN señalizador y "False"
      en caso contrario.

   is_subnormal(context=None)

      Retorna "True" si el argumento es subnormal y "False" en caso
      contrario.

   is_zero()

      Retorna "True" si el argumento es un cero (positivo o negativo)
      y "False" en caso contrario.

   ln(context=None)

      Retorna el logaritmo natural (base e) del operando. El resultado
      es correctamente redondeado utilizando el modo de redondeo
      "ROUND_HALF_EVEN".

   log10(context=None)

      Retorna el logaritmo en base diez del operando. El resultado es
      correctamente redondeado utilizando el modo de redondeo
      "ROUND_HALF_EVEN".

   logb(context=None)

      Para un número distinto de cero, retorna el exponente ajustado
      de su operando como una instancia de "Decimal". Si el operando
      es cero, se retorna "Decimal('-Infinity')" y se activa el flag
      "DivisionByZero". Si el operando es infinito, se retorna
      "Decimal('Infinity')".

   logical_and(other, context=None)

      "logic_and()" es una operación lógica que toma dos *operandos
      lógicos* (consultar Operandos lógicos). El resultado es el "and"
      dígito por dígito de los dos operandos.

   logical_invert(context=None)

      "logic_invert()" es una operación lógica. El resultado es la
      inversión dígito a dígito del operando.

   logical_or(other, context=None)

      "logical_or()" es una operación lógica que toma dos *operandos
      lógicos* (consultar Operandos lógicos). El resultado es un "or"
      dígito a dígito de los dos operandos.

   logical_xor(other, context=None)

      "logic_xor()" es una operación lógica que toma dos *operandos
      lógicos* (consultar Operandos lógicos). El resultado es la
      disyunción exclusiva ("exclusive or") dígito a dígito de ambos
      operandos.

   max(other, context=None)

      Like "max(self, other)" except that the context rounding rule is
      applied before returning and that "NaN" values are either
      signaled or ignored (depending on the context and whether they
      are signaling or quiet).

   max_mag(other, context=None)

      Similar al método "max()", pero la comparación se realiza
      utilizando los valores absolutos de los operandos.

   min(other, context=None)

      Like "min(self, other)" except that the context rounding rule is
      applied before returning and that "NaN" values are either
      signaled or ignored (depending on the context and whether they
      are signaling or quiet).

   min_mag(other, context=None)

      Similar al método "min()", pero la comparación se realiza
      utilizando los valores absolutos de los operandos.

   next_minus(context=None)

      Retorna el número más grande representable en el contexto
      proporcionado (o en el contexto del hilo actual si no se
      proporciona un contexto) que sea más pequeño que el operando
      proporcionado.

   next_plus(context=None)

      Retorna el número más pequeño representable en el contexto
      proporcionado (o en el contexto del hilo actual si no se
      proporciona ningún contexto) que sea más grande que el operando
      proporcionado.

   next_toward(other, context=None)

      Si los dos operandos no son iguales, retorna el número más
      cercano al primer operando en la dirección del segundo operando.
      Si ambos operandos son numéricamente iguales, retorna una copia
      del primer operando con el signo establecido para que sea el
      mismo que el signo del segundo operando.

   normalize(context=None)

      Used for producing canonical values of an equivalence class
      within either the current context or the specified context.

      This has the same semantics as the unary plus operation, except
      that if the final result is finite it is reduced to its simplest
      form, with all trailing zeros removed and its sign preserved.
      That is, while the coefficient is non-zero and a multiple of ten
      the coefficient is divided by ten and the exponent is
      incremented by 1. Otherwise (the coefficient is zero) the
      exponent is set to 0. In all cases the sign is unchanged.

      For example, "Decimal('32.100')" and "Decimal('0.321000e+2')"
      both normalize to the equivalent value "Decimal('32.1')".

      Note that rounding is applied *before* reducing to simplest
      form.

      In the latest versions of the specification, this operation is
      also known as "reduce".

   number_class(context=None)

      Retorna una cadena de caracteres que describe la *class* del
      operando. El valor retornado es una de las siguientes diez
      cadenas de caracteres.

      * ""-Infinity"", que indica que el operando es un infinito
        negativo.

      * ""-Normal"", que indica que el operando es un número normal
        negativo.

      * ""-Subnormal"", que indica que el operando es negativo y
        subnormal.

      * ""-Zero"", que indica que el operando es un cero negativo.

      * ""+Zero"", que indica que el operando es un cero positivo.

      * ""+Subnormal"",que indica que el operando es positivo y
        subnormal.

      * ""+Normal"", que indica que el operando es un número normal
        positivo.

      * ""+Infinity"", que indica que el operando es un infinito
        positivo.

      * ""NaN"", que indica que el operando es un NaN (no es un
        número) silencioso.

      * ""sNaN"", que indica que el operando es un NaN (no es un
        número) señalizador.

   quantize(exp, rounding=None, context=None)

      Retorna un valor igual al primer operando después de ser
      redondeado y de asignarle el exponente del segundo operando.

      >>> Decimal('1.41421356').quantize(Decimal('1.000'))
      Decimal('1.414')

      A diferencia de otras operaciones, se genera una señal
      "InvalidOperation" si la longitud del coeficiente después de la
      operación quantize es mayor que la precisión. Esto garantiza
      que, a menos que exista una condición de error, el exponente
      cuantificado sea siempre igual al del operando de la derecha.

      Además, a diferencia de otras operaciones, quantize nunca genera
      una señal Underflow, incluso si el resultado es subnormal e
      inexacto.

      Si el exponente del segundo operando es mayor que el del
      primero, puede ser necesario redondear. En este caso, el modo de
      redondeo está determinado por el argumento "rounding", si se
      proporciona, o por el argumento "context" en caso contrario. Si
      no se proporciona ninguno de estos dos argumentos, se utiliza el
      modo de redondeo establecido en el contexto del hilo actual.

      An error is returned whenever the resulting exponent is greater
      than "Emax" or less than "Etiny()".

   radix()

      Retorna "Decimal(10)", que es la raíz (base) en la que la clase
      "Decimal" hace toda su aritmética. Este método está incluido
      solo por compatibilidad con la especificación.

   remainder_near(other, context=None)

      Retorna el resto de dividir *self* entre *other*. Esto difiere
      de la operación "self%other", en la que el signo del resto se
      elige para minimizar su valor absoluto. Más precisamente, el
      valor de retorno es "self - n * other", donde "n" es el número
      entero más cercano al valor exacto de "self / other". Si dos
      enteros están igualmente cerca, entonces el valor par es el
      elegido.

      Si el resultado es cero, entonces su signo será el signo de
      *self*.

      >>> Decimal(18).remainder_near(Decimal(10))
      Decimal('-2')
      >>> Decimal(25).remainder_near(Decimal(10))
      Decimal('5')
      >>> Decimal(35).remainder_near(Decimal(10))
      Decimal('-5')

   rotate(other, context=None)

      Retorna el resultado de rotar los dígitos del primer operando en
      una cantidad especificada por el segundo operando. El segundo
      operando debe ser un número entero en el rango comprendido desde
      -precisión hasta precisión. El valor absoluto del segundo
      operando da el número de lugares a rotar. Si el segundo operando
      es positivo, la rotación es hacia la izquierda; de lo contrario,
      la rotación es hacia la derecha. El coeficiente del primer
      operando se rellena con ceros a la izquierda para satisfacer la
      precisión de longitud si es necesario. El signo y el exponente
      del primer operando no se modifican.

   same_quantum(other, context=None)

      Test whether self and other have the same exponent or whether
      both are "NaN".

      Esta operación no se ve afectada por el contexto y es
      silenciosa: no se cambian los flags y no se realiza ningún
      redondeo. Como excepción, la versión de C puede lanzar
      InvalidOperation si el segundo operando no se puede convertir
      exactamente.

   scaleb(other, context=None)

      Retorna el primer operando con su exponente ajustado por el
      segundo. De manera equivalente, retorna el primer operando
      multiplicado por "10**other". El segundo operando debe ser un
      número entero.

   shift(other, context=None)

      Retorna el resultado de cambiar los dígitos del primer operando
      en una cantidad especificada por el segundo operando. El segundo
      operando debe ser un número entero en el rango comprendido desde
      -precisión hasta precisión. El valor absoluto del segundo
      operando da el número de lugares a desplazar. Si el segundo
      operando es positivo, el desplazamiento es hacia la izquierda;
      de lo contrario, el desplazamiento es hacia la derecha. Los
      dígitos desplazados en el coeficiente son ceros. El signo y el
      exponente del primer operando no se modifican.

   sqrt(context=None)

      Retorna la raíz cuadrada del argumento con precisión total.

   to_eng_string(context=None)

      Convierte a una cadena de caracteres, usando notación de
      ingeniería si se necesita un exponente.

      La notación de ingeniería tiene como exponente un múltiplo de 3.
      Esto puede dejar hasta 3 dígitos a la izquierda del punto
      decimal y puede requerir la adición de uno o dos ceros finales.

      Por ejemplo, este método convierte "Decimal('123E+1')" en
      "Decimal('1.23E+3')".

   to_integral(rounding=None, context=None)

      Idéntico al método "to_integral_value()". El nombre
      "to_integral" se ha mantenido por compatibilidad con versiones
      anteriores.

   to_integral_exact(rounding=None, context=None)

      Redondea al entero más cercano, generando la señal "Inexact" o
      "Rounded", según corresponda, si se produce un redondeo. El modo
      de redondeo está determinado por el parámetro "rounding" si es
      proporcionado, o por el establecido en el "context"
      proporcionado en caso contrario. Si no se proporciona ninguno de
      estos dos parámetros, se utiliza el modo de redondeo establecido
      en el contexto actual.

   to_integral_value(rounding=None, context=None)

      Redondea al entero más cercano sin generar la señal "Inexact" o
      "Rounded". Si se proporciona, se aplica el método de redondeo
      especificado por *rounding*; en caso contrario, se utiliza el
      método de redondeo del *context* proporcionado o el del contexto
      actual.


Operandos lógicos
-----------------

The "logical_and()", "logical_invert()", "logical_or()", and
"logical_xor()" methods expect their arguments to be *logical
operands*.  A *logical operand* is a "Decimal" instance whose exponent
and sign are both zero, and whose digits are all either "0" or "1".


Objetos context
===============

Los contextos son entornos para operaciones aritméticas. Gobiernan la
precisión, establecen reglas para el redondeo, determinan qué señales
se tratan como excepciones y limitan el rango para los exponentes.

Cada hilo tiene su propio contexto actual, al que se accede o se
reemplaza usando las funciones "getcontext()" y "setcontext()"
respectivamente:

decimal.getcontext()

   Retorna el contexto actual del hilo activo.

decimal.setcontext(c)

   Establece *c* como contexto actual para el hilo activo.

También puedes usar la declaración "with" y la función
"localcontext()" para cambiar temporalmente el contexto activo.

decimal.localcontext(ctx=None, \*\*kwargs)

   Return a context manager that will set the current context for the
   active thread to a copy of *ctx* on entry to the with-statement and
   restore the previous context when exiting the with-statement. If no
   context is specified, a copy of the current context is used.  The
   *kwargs* argument is used to set the attributes of the new context.

   Por ejemplo, el siguiente código establece la precisión decimal
   actual en 42 lugares, realiza un cálculo y luego restaura
   automáticamente el contexto anterior:

      from decimal import localcontext

      with localcontext() as ctx:
          ctx.prec = 42   # Perform a high precision calculation
          s = calculate_something()
      s = +s  # Round the final result back to the default precision

   Usando argumentos de palabra clave, el código sería el siguiente:

      from decimal import localcontext

      with localcontext(prec=42) as ctx:
          s = calculate_something()
      s = +s

   Lanza "TypeError" si *kwargs* proporciona un atributo que "Context"
   no soporta. Lanza también "TypeError" o "ValueError" si *kwargs*
   proporciona un valor no válido para un atributo.

   Distinto en la versión 3.11: "localcontext()" ahora admite la
   configuración de atributos de contexto mediante el uso de
   argumentos de palabra clave.

También se pueden crear nuevos contextos utilizando el constructor de
la clase "Context" que se describe a continuación. Además, el módulo
proporciona tres contextos prediseñados:

class decimal.BasicContext

   Este es un contexto estándar definido por la Especificación general
   de la aritmética decimal. La precisión se establece en nueve. El
   redondeo se establece en "ROUND_HALF_UP". Se restablecen todos los
   flags. Todas las trampas están habilitadas (las señales son
   tratadas como excepciones) excepto "Inexact", "Rounded" y
   "Subnormal".

   Debido a que la mayoría de las trampas están habilitadas, este
   contexto es especialmente útil para la depuración.

class decimal.ExtendedContext

   Este es un contexto estándar definido por la Especificación general
   de la aritmética decimal. La precisión se establece en nueve. El
   redondeo se establece en "ROUND_HALF_EVEN". Se restablecen todos
   los flags. No se habilitan trampas (para que no se generen
   excepciones durante los cálculos).

   Because the traps are disabled, this context is useful for
   applications that prefer to have result value of "NaN" or
   "Infinity" instead of raising exceptions.  This allows an
   application to complete a run in the presence of conditions that
   would otherwise halt the program.

class decimal.DefaultContext

   Este contexto es utilizado por el constructor de la clase "Context"
   como un prototipo para nuevos contextos. Cambiar un campo (como la
   precisión) tiene el efecto de cambiar el valor predeterminado para
   los nuevos contextos creados por el constructor de "Context".

   Este contexto es más útil en entornos con múltiples hilos. Cambiar
   uno de los campos antes de que se inicien los hilos tiene el efecto
   de establecer valores predeterminados en todo el sistema. No se
   recomienda cambiar los campos después de que se hayan iniciado los
   hilos, ya que requeriría el uso de mecanismos de sincronización
   para evitar condiciones de carrera entre los hilos.

   En entornos de un solo hilo, es preferible no utilizar este
   contexto en absoluto. En su lugar, simplemente crea contextos
   explícitamente como se describe a continuación.

   The default values are "Context.prec"="28",
   "Context.rounding"="ROUND_HALF_EVEN", and enabled traps for
   "Overflow", "InvalidOperation", and "DivisionByZero".

Además de los tres contextos proporcionados, se pueden crear nuevos
contextos mediante el constructor de la clase "Context".

class decimal.Context(prec=None, rounding=None, Emin=None, Emax=None, capitals=None, clamp=None, flags=None, traps=None)

   Crea un nuevo contexto. Si no se especifica un campo, o es "None",
   los valores predeterminados se copian de "DefaultContext". Si el
   campo *flags* no está especificado, o es "None", se restablecen
   todas los flags.

   *prec* is an integer in the range ["1", "MAX_PREC"] that sets the
   precision for arithmetic operations in the context.

   La opción *rounding* es una de las constantes enumeradas en la
   sección Rounding Modes.

   Los campos *traps* y *flags* enumeran las señales que se deben
   establecer. Generalmente, los nuevos contextos solo deben
   establecer trampas y dejar los flags sin establecer.

   The *Emin* and *Emax* fields are integers specifying the outer
   limits allowable for exponents. *Emin* must be in the range
   ["MIN_EMIN", "0"], *Emax* in the range ["0", "MAX_EMAX"].

   The *capitals* field is either "0" or "1" (the default). If set to
   "1", exponents are printed with a capital "E"; otherwise, a
   lowercase "e" is used: "Decimal('6.02e+23')".

   The *clamp* field is either "0" (the default) or "1". If set to
   "1", the exponent "e" of a "Decimal" instance representable in this
   context is strictly limited to the range "Emin - prec + 1 <= e <=
   Emax - prec + 1".  If *clamp* is "0" then a weaker condition holds:
   the adjusted exponent of the "Decimal" instance is at most "Emax".
   When *clamp* is "1", a large normal number will, where possible,
   have its exponent reduced and a corresponding number of zeros added
   to its coefficient, in order to fit the exponent constraints; this
   preserves the value of the number but loses information about
   significant trailing zeros.  For example:

      >>> Context(prec=6, Emax=999, clamp=1).create_decimal('1.23e999')
      Decimal('1.23000E+999')

   A *clamp* value of "1" allows compatibility with the fixed-width
   decimal interchange formats specified in IEEE 754.

   The "Context" class defines several general purpose methods as well
   as a large number of methods for doing arithmetic directly in a
   given context. In addition, for each of the "Decimal" methods
   described above (with the exception of the "adjusted()" and
   "as_tuple()" methods) there is a corresponding "Context" method.
   For example, for a "Context" instance "C" and "Decimal" instance
   "x", "C.exp(x)" is equivalent to "x.exp(context=C)".  Each
   "Context" method accepts a Python integer (an instance of "int")
   anywhere that a Decimal instance is accepted.

   clear_flags()

      Resets all of the flags to "0".

   clear_traps()

      Resets all of the traps to "0".

      Nuevo en la versión 3.3.

   copy()

      Retorna un duplicado del contexto.

   copy_decimal(num)

      Retorna una copia de la instancia de Decimal num.

   create_decimal(num)

      Crea una nueva instancia de Decimal a partir de *num* pero
      usando *self* como contexto. A diferencia del constructor de
      "Decimal", la precisión del contexto, el método de redondeo, los
      flags y las trampas se aplican a la conversión.

      Esto es útil porque las constantes a menudo se proporcionan con
      una precisión mayor que la que necesita la aplicación. Otro
      beneficio es que el redondeo elimina inmediatamente los efectos
      no deseados de los dígitos más allá de la precisión actual. En
      el siguiente ejemplo, usar entradas no redondeadas significa que
      agregar cero a una suma puede cambiar el resultado:

         >>> getcontext().prec = 3
         >>> Decimal('3.4445') + Decimal('1.0023')
         Decimal('4.45')
         >>> Decimal('3.4445') + Decimal(0) + Decimal('1.0023')
         Decimal('4.44')

      Este método implementa la operación to-number de la
      especificación de IBM. Si el argumento es una cadena de
      caracteres, no se permiten espacios en blanco ni guiones bajos,
      ni al principio ni al final.

   create_decimal_from_float(f)

      Crea una nueva instancia de Decimal a partir de un flotante *f*,
      pero redondeando usando *self* como contexto. A diferencia del
      método de clase "Decimal.from_float()", la precisión del
      contexto, el método de redondeo, los flags y las trampas se
      aplican a la conversión.

         >>> context = Context(prec=5, rounding=ROUND_DOWN)
         >>> context.create_decimal_from_float(math.pi)
         Decimal('3.1415')
         >>> context = Context(prec=5, traps=[Inexact])
         >>> context.create_decimal_from_float(math.pi)
         Traceback (most recent call last):
             ...
         decimal.Inexact: None

      Nuevo en la versión 3.1.

   Etiny()

      Retorna un valor igual a "Emin - prec + 1" que es el valor
      mínimo del exponente para resultados subnormales. Cuando ocurre
      un desbordamiento numérico negativo ("underflow"), el exponente
      se establece en "Etiny".

   Etop()

      Retorna un valor igual a "Emax - prec + 1".

   El enfoque habitual para trabajar con decimales es crear instancias
   de la clase "Decimal" y luego aplicar operaciones aritméticas que
   tienen lugar dentro del contexto actual para el hilo activo. Un
   enfoque alternativo es utilizar métodos de contexto para calcular
   dentro de un contexto específico. Los métodos son similares a los
   de la clase "Decimal" y aquí solo se relatan brevemente.

   abs(x)

      Retorna el valor absoluto de *x*.

   add(x, y)

      Retorna la suma de *x* e *y*.

   canonical(x)

      Retorna el mismo objeto Decimal *x*.

   compare(x, y)

      Compara *x* e *y* numéricamente.

   compare_signal(x, y)

      Compara los valores de los dos operandos numéricamente.

   compare_total(x, y)

      Compara los dos operandos utilizando su representación
      abstracta.

   compare_total_mag(x, y)

      Compara los dos operandos utilizando su representación
      abstracta, ignorando el signo.

   copy_abs(x)

      Retorna una copia de *x* con el signo establecido en 0.

   copy_negate(x)

      Retorna una copia de *x* con el signo invertido.

   copy_sign(x, y)

      Copia el signo de *y* en *x*.

   divide(x, y)

      Retorna *x* dividido entre *y*.

   divide_int(x, y)

      Retorna *x* dividido entre *y*, truncando el resultado a un
      número entero.

   divmod(x, y)

      Divide dos números y retorna la parte entera del resultado.

   exp(x)

      Returns "e ** x".

   fma(x, y, z)

      Retorna *x* multiplicado por *y*, más *z*.

   is_canonical(x)

      Retorna "True" si *x* está en forma canónica, en caso contrario
      retorna "False".

   is_finite(x)

      Retorna "True" si *x* es un valor finito, en caso contrario
      retorna "False".

   is_infinite(x)

      Retorna "True" si *x* es un valor infinito, en caso contrario
      retorna "False".

   is_nan(x)

      Retorna "True" si *x* es un valor qNaN o sNaN , en caso
      contrario retorna "False".

   is_normal(x)

      Retorna "True" si *x* es un número normal, en caso contrario
      retorna "False".

   is_qnan(x)

      Retorna "True" si *x* es un NaN silencioso, en caso contrario
      retorna "False".

   is_signed(x)

      Retorna "True" si *x* es un valor negativo, en caso contrario
      retorna "False".

   is_snan(x)

      Retorna "True" si *x* es un NaN señalizador, en caso contrario
      retorna "False".

   is_subnormal(x)

      Retorna "True" si *x* es un número subnormal, en caso contrario
      retorna "False".

   is_zero(x)

      Retorna "True" si *x* es un cero, en caso contrario retorna
      "False".

   ln(x)

      Retorna el logaritmo natural (base e) de *x*.

   log10(x)

      Retorna el logaritmo en base 10 de *x*.

   logb(x)

      Retorna el exponente de la magnitud del MSD ("dígito más
      significativo") del operando.

   logical_and(x, y)

      Aplica la operación lógica *and* entre los dígitos de cada
      operando.

   logical_invert(x)

      Invierte todos los dígitos en *x*.

   logical_or(x, y)

      Aplica la operación lógica *or* entre los dígitos de cada
      operando.

   logical_xor(x, y)

      Aplica la operación lógica *xor* entre los dígitos de cada
      operando.

   max(x, y)

      Compara dos valores numéricamente y retorna el mayor de ellos.

   max_mag(x, y)

      Compara los valores numéricamente ignorando sus signos.

   min(x, y)

      Compara dos valores numéricamente y retorna el menor de ellos.

   min_mag(x, y)

      Compara los valores numéricamente ignorando sus signos.

   minus(x)

      Se corresponde con el operador unario de resta (prefijo) de
      Python.

   multiply(x, y)

      Retorna el producto de *x* por *y*.

   next_minus(x)

      Retorna el número más grande representable menor que *x*.

   next_plus(x)

      Retorna el número más pequeño representable mayor que *x*.

   next_toward(x, y)

      Retorna el número más cercano a *x*, en la dirección de *y*.

   normalize(x)

      Reduce *x* a su forma más simple.

   number_class(x)

      Retorna una cadena de caracteres indicando la clase de *x*.

   plus(x)

      Se corresponde con el operador unario de suma (prefijo) de
      Python. Esta operación aplica la precisión y el redondeo
      establecidos en el contexto, por lo que *no* es una operación de
      identidad.

   power(x, y, modulo=None)

      Retorna "x" elevado a la potencia "y", reconduciendo al módulo
      "modulo" si se proporciona.

      With two arguments, compute "x**y".  If "x" is negative then "y"
      must be integral.  The result will be inexact unless "y" is
      integral and the result is finite and can be expressed exactly
      in 'precision' digits. The rounding mode of the context is used.
      Results are always correctly rounded in the Python version.

      "Decimal(0) ** Decimal(0)" da como resultado "InvalidOperation",
      y si "InvalidOperation" no es atrapada, entonces da como
      resultado "Decimal('NaN')".

      Distinto en la versión 3.3: The C module computes "power()" in
      terms of the correctly rounded "exp()" and "ln()" functions. The
      result is well-defined but only "almost always correctly
      rounded".

      Con tres argumentos, calcula "(x**y) % modulo". Para la forma de
      tres argumentos, se mantienen las siguientes restricciones sobre
      los argumentos:

      * los tres argumentos deben ser enteros

      * "y" debe ser un valor no negativo

      * al menos uno, "x" o "y" , no debe ser cero

      * "modulo" no debe ser cero y tener como mínimo los dígitos de
        la 'precisión'

      El valor resultante de "Context.power(x, y, modulo)" es igual al
      valor que se obtendría calculando "(x**y) % modulo" con
      precisión ilimitada, la diferencia es que se calcula de manera
      más eficiente . El exponente del resultado es cero,
      independientemente de los exponentes de "x", "y" y  "modulo". El
      resultado siempre es exacto.

   quantize(x, y)

      Retorna un valor igual a *x* (redondeado), pero que tiene el
      exponente de *y*.

   radix()

      Simplemente retorna 10, ya que es Decimal, :)

   remainder(x, y)

      Retorna el resto de la división entera.

      El signo del resultado, si no es cero, es el mismo que el del
      dividendo original.

   remainder_near(x, y)

      Retorna "x - y * n", donde *n* es el número entero más cercano
      al valor exacto de "x / y" (si el resultado es 0, entonces su
      signo será el signo de *x*).

   rotate(x, y)

      Retorna una copia de *x* rotada *y* veces.

   same_quantum(x, y)

      Retorna "True" si los dos operandos tienen el mismo exponente.

   scaleb(x, y)

      Retorna el primer operando después de agregar el segundo valor a
      su exponente.

   shift(x, y)

      Retorna una copia de *x* desplazada *y* veces.

   sqrt(x)

      Retorna la raíz cuadrada de un número no negativo para la
      precisión del contexto.

   subtract(x, y)

      Retorna la diferencia entre *x* e *y*.

   to_eng_string(x)

      Convierte a una cadena de caracteres, usando notación de
      ingeniería si se necesita un exponente.

      La notación de ingeniería tiene como exponente un múltiplo de 3.
      Esto puede dejar hasta 3 dígitos a la izquierda del punto
      decimal y puede requerir la adición de uno o dos ceros finales.

   to_integral_exact(x)

      Redondea a un entero.

   to_sci_string(x)

      Convierte un número en una cadena de caracteres usando notación
      científica.


Constantes
==========

Las constantes detalladas en esta sección solo son relevantes para el
módulo de C. Se incluyen también en la versión pura de Python por
compatibilidad.

+-----------------------+-----------------------+---------------------------------+
|                       | 32-bit                | 64-bit                          |
|=======================|=======================|=================================|
| decimal.MAX_PREC      | "425000000"           | "999999999999999999"            |
+-----------------------+-----------------------+---------------------------------+
| decimal.MAX_EMAX      | "425000000"           | "999999999999999999"            |
+-----------------------+-----------------------+---------------------------------+
| decimal.MIN_EMIN      | "-425000000"          | "-999999999999999999"           |
+-----------------------+-----------------------+---------------------------------+
| decimal.MIN_ETINY     | "-849999999"          | "-1999999999999999997"          |
+-----------------------+-----------------------+---------------------------------+

decimal.HAVE_THREADS

   El valor es "True". Está obsoleta, debido ha que Python ahora
   siempre tiene soporte para hilos.

Obsoleto desde la versión 3.9.

decimal.HAVE_CONTEXTVAR

   El valor predeterminado es "True". Si Python se "configura usando
   --without-decimal-contextvar", la versión de C usa un contexto de
   hilos-locales en lugar de un contexto de corrutinas-locales y el
   valor de la constante es "False". Esto es algo más rápido en
   algunos escenarios de contexto anidado.

Nuevo en la versión 3.8.3.


Modos de redondeo
=================

decimal.ROUND_CEILING

   Round towards "Infinity".

decimal.ROUND_DOWN

   Redondear hacia cero.

decimal.ROUND_FLOOR

   Round towards "-Infinity".

decimal.ROUND_HALF_DOWN

   Redondear al valor contiguo más cercano, con empates hacia cero.

decimal.ROUND_HALF_EVEN

   Redondear al valor contiguo más cercano, con empates al entero par
   contiguo.

decimal.ROUND_HALF_UP

   Redondear al valor contiguo más cercano, con empates alejándose de
   cero.

decimal.ROUND_UP

   Redondear alejándose de cero.

decimal.ROUND_05UP

   Si el último dígito después de redondear hacia cero es 0 ó 5,
   redondear alejándose de cero, en caso contrario, redondear hacia
   cero.


Señales
=======

Las señales representan condiciones que surgen durante el cálculo.
Cada una se corresponde con un solo flag de contexto y un habilitador
de trampas de contexto.

El flag de contexto se establece siempre que se encuentra la
condición. Después del cálculo, los flags pueden comprobarse con fines
informativos (por ejemplo, para determinar si un cálculo fue exacto).
Después de verificar los flags, asegúrate de borrarlos antes de
comenzar con el siguiente cálculo.

Si el habilitador de trampas del contexto está configurado para la
señal, entonces la condición hace que se lance una excepción de
Python. Por ejemplo, si se establece la trampa "DivisionByZero", se
genera una excepción "DivisionByZero" al encontrar la condición.

class decimal.Clamped

   Cambia un exponente para ajustar las restricciones de
   representación.

   Typically, clamping occurs when an exponent falls outside the
   context's "Emin" and "Emax" limits.  If possible, the exponent is
   reduced to fit by adding zeros to the coefficient.

class decimal.DecimalException

   Clase base para otras señales. Es una subclase de
   "ArithmeticError".

class decimal.DivisionByZero

   Señala la división de un número no infinito entre cero.

   Can occur with division, modulo division, or when raising a number
   to a negative power.  If this signal is not trapped, returns
   "Infinity" or "-Infinity" with the sign determined by the inputs to
   the calculation.

class decimal.Inexact

   Indica que se produjo un redondeo y el resultado no es exacto.

   Señala que se descartaron dígitos distintos de cero durante el
   redondeo. Se retorna el resultado redondeado. El flag o la trampa
   de señal se utiliza para detectar cuando los resultados son
   inexactos.

class decimal.InvalidOperation

   Señala que se realizó una operación no válida.

   Indicates that an operation was requested that does not make sense.
   If not trapped, returns "NaN".  Possible causes include:

      Infinity - Infinity
      0 * Infinity
      Infinity / Infinity
      x % 0
      Infinity % x
      sqrt(-x) and x > 0
      0 ** 0
      x ** (non-integer)
      x ** Infinity

class decimal.Overflow

   Desbordamiento numérico.

   Indicates the exponent is larger than "Context.Emax" after rounding
   has occurred.  If not trapped, the result depends on the rounding
   mode, either pulling inward to the largest representable finite
   number or rounding outward to "Infinity".  In either case,
   "Inexact" and "Rounded" are also signaled.

class decimal.Rounded

   Se produjo un redondeo, aunque posiblemente no hubo pérdida de
   información.

   Signaled whenever rounding discards digits; even if those digits
   are zero (such as rounding "5.00" to "5.0").  If not trapped,
   returns the result unchanged.  This signal is used to detect loss
   of significant digits.

class decimal.Subnormal

   Exponent was lower than "Emin" prior to rounding.

   Ocurre cuando el resultado de una operación es subnormal (el
   exponente es demasiado pequeño). Si no está atrapada, se retorna el
   resultado sin cambios.

class decimal.Underflow

   Desbordamiento numérico negativo con resultado redondeado a cero.

   Ocurre cuando un resultado subnormal se lleva a cero mediante
   redondeo. "Inexact" y "Subnormal" también se señalan.

class decimal.FloatOperation

   Habilita una semántica más estricta para mezclar flotantes y
   objetos Decimal.

   Si la señal no está atrapada (predeterminado), se permite mezclar
   flotantes y objetos Decimal en el constructor de "Decimal", en el
   método "create_decimal()" y en todos los operadores de comparación.
   Tanto la conversión como las comparaciones son exactas. Cualquier
   ocurrencia de una operación mixta se registra silenciosamente
   estableciendo "FloatOperation" a los flags del contexto. Las
   conversiones explícitas usando "from_float()" o
   "create_decimal_from_float()" no establecen el flag.

   En caso contrario (la señal está atrapada), solo las comparaciones
   de igualdad y las conversiones explícitas permanecen silenciadas.
   Todas las demás operaciones mixtas lanzan una excepción
   "FloatOperation".

La siguiente tabla resume la jerarquía de señales:

   exceptions.ArithmeticError(exceptions.Exception)
       DecimalException
           Clamped
           DivisionByZero(DecimalException, exceptions.ZeroDivisionError)
           Inexact
               Overflow(Inexact, Rounded)
               Underflow(Inexact, Rounded, Subnormal)
           InvalidOperation
           Rounded
           Subnormal
           FloatOperation(DecimalException, exceptions.TypeError)


Notas sobre la representación en coma flotante
==============================================


Mitigación del error de redondeo usando mayor precisión
-------------------------------------------------------

The use of decimal floating point eliminates decimal representation
error (making it possible to represent "0.1" exactly); however, some
operations can still incur round-off error when non-zero digits exceed
the fixed precision.

Los efectos del error de redondeo pueden amplificarse mediante la suma
o resta de cantidades casi compensadas, lo que da como resultado una
pérdida de significación. Knuth proporciona dos ejemplos instructivos
en los que la aritmética de coma flotante redondeada con precisión
insuficiente provoca la ruptura de las propiedades asociativas y
distributivas de la suma:

   # Examples from Seminumerical Algorithms, Section 4.2.2.
   >>> from decimal import Decimal, getcontext
   >>> getcontext().prec = 8

   >>> u, v, w = Decimal(11111113), Decimal(-11111111), Decimal('7.51111111')
   >>> (u + v) + w
   Decimal('9.5111111')
   >>> u + (v + w)
   Decimal('10')

   >>> u, v, w = Decimal(20000), Decimal(-6), Decimal('6.0000003')
   >>> (u*v) + (u*w)
   Decimal('0.01')
   >>> u * (v+w)
   Decimal('0.0060000')

El módulo "decimal" permite restaurar las identidades ampliando la
precisión lo suficiente para evitar la pérdida de significación:

   >>> getcontext().prec = 20
   >>> u, v, w = Decimal(11111113), Decimal(-11111111), Decimal('7.51111111')
   >>> (u + v) + w
   Decimal('9.51111111')
   >>> u + (v + w)
   Decimal('9.51111111')
   >>>
   >>> u, v, w = Decimal(20000), Decimal(-6), Decimal('6.0000003')
   >>> (u*v) + (u*w)
   Decimal('0.0060000')
   >>> u * (v+w)
   Decimal('0.0060000')


Valores especiales
------------------

The number system for the "decimal" module provides special values
including "NaN", "sNaN", "-Infinity", "Infinity", and two zeros, "+0"
and "-0".

Los infinitos se pueden construir directamente con
"Decimal('Infinity')". Además, pueden surgir al dividir entre cero
cuando la señal "DivisionByZero" no es interceptada. Asimismo, cuando
la señal "Overflow" no es interceptada, un infinito puede resultar del
redondeo más allá de los límites del mayor número representable.

Los infinitos tienen signo (afín) y se pueden usar en operaciones
aritméticas donde se tratan como números muy grandes e indeterminados.
Por ejemplo, adicionar una constante a infinito resulta en otro
infinito.

Some operations are indeterminate and return "NaN", or if the
"InvalidOperation" signal is trapped, raise an exception.  For
example, "0/0" returns "NaN" which means "not a number".  This variety
of "NaN" is quiet and, once created, will flow through other
computations always resulting in another "NaN".  This behavior can be
useful for a series of computations that occasionally have missing
inputs --- it allows the calculation to proceed while flagging
specific results as invalid.

A variant is "sNaN" which signals rather than remaining quiet after
every operation.  This is a useful return value when an invalid result
needs to interrupt a calculation for special handling.

The behavior of Python's comparison operators can be a little
surprising where a "NaN" is involved.  A test for equality where one
of the operands is a quiet or signaling "NaN" always returns "False"
(even when doing "Decimal('NaN')==Decimal('NaN')"), while a test for
inequality always returns "True".  An attempt to compare two Decimals
using any of the "<", "<=", ">" or ">=" operators will raise the
"InvalidOperation" signal if either operand is a "NaN", and return
"False" if this signal is not trapped.  Note that the General Decimal
Arithmetic specification does not specify the behavior of direct
comparisons; these rules for comparisons involving a "NaN" were taken
from the IEEE 854 standard (see Table 3 in section 5.7).  To ensure
strict standards-compliance, use the "compare()" and
"compare_signal()" methods instead.

Los ceros con signo pueden resultar de cálculos que desbordan la
precisión establecida. Mantienen el signo que habría resultado si el
cálculo se hubiera realizado con mayor precisión. Dado que su magnitud
es cero, los ceros positivos y negativos se tratan como iguales y su
signo es solo informativo.

Además de los dos ceros con signo, que son distintos pero iguales, hay
varias representaciones del cero con diferente precisión pero
equivalentes en valor. Esto requiere de algo de tiempo para
acostumbrarse. Para un ojo habituado a las representaciones
normalizadas de coma flotante, no es inmediatamente obvio que el
siguiente cálculo retorne un valor igual a cero:

>>> 1 / Decimal('Infinity')
Decimal('0E-1000026')


Trabajando con hilos
====================

La función "getcontext()" accede a un objeto "Context" diferente para
cada hilo. Tener contextos de hilo separados significa que los hilos
pueden realizar cambios (como "getcontext().prec=10") sin interferir
con otros hilos.

Asimismo, la función "setcontext()" asigna automáticamente su objetivo
al hilo actual.

Si "setcontext()" no ha sido invocada antes de "getcontext()",
entonces "getcontext()" creará automáticamente un nuevo contexto para
usar en el hilo actual.

El nuevo contexto es copiado a partir de un contexto prototipo llamado
*DefaultContext*. Modifica directamente el objeto *DefaultContext*
para controlar los valores predeterminados, de modo que cada hilo
utilice los mismos valores en toda la aplicación. Esto debe hacerse
*antes* de que se inicien los hilos, para evitar que tenga lugar una
condición de carrera entre los mismos al invocar a "getcontext()". Por
ejemplo:

   # Set applicationwide defaults for all threads about to be launched
   DefaultContext.prec = 12
   DefaultContext.rounding = ROUND_DOWN
   DefaultContext.traps = ExtendedContext.traps.copy()
   DefaultContext.traps[InvalidOperation] = 1
   setcontext(DefaultContext)

   # Afterwards, the threads can be started
   t1.start()
   t2.start()
   t3.start()
    . . .


Casos prácticos
===============

A continuación hay algunos casos prácticos que sirven como funciones
de utilidad y que muestran formas de trabajar con la clase "Decimal":

   def moneyfmt(value, places=2, curr='', sep=',', dp='.',
                pos='', neg='-', trailneg=''):
       """Convert Decimal to a money formatted string.

       places:  required number of places after the decimal point
       curr:    optional currency symbol before the sign (may be blank)
       sep:     optional grouping separator (comma, period, space, or blank)
       dp:      decimal point indicator (comma or period)
                only specify as blank when places is zero
       pos:     optional sign for positive numbers: '+', space or blank
       neg:     optional sign for negative numbers: '-', '(', space or blank
       trailneg:optional trailing minus indicator:  '-', ')', space or blank

       >>> d = Decimal('-1234567.8901')
       >>> moneyfmt(d, curr='$')
       '-$1,234,567.89'
       >>> moneyfmt(d, places=0, sep='.', dp='', neg='', trailneg='-')
       '1.234.568-'
       >>> moneyfmt(d, curr='$', neg='(', trailneg=')')
       '($1,234,567.89)'
       >>> moneyfmt(Decimal(123456789), sep=' ')
       '123 456 789.00'
       >>> moneyfmt(Decimal('-0.02'), neg='<', trailneg='>')
       '<0.02>'

       """
       q = Decimal(10) ** -places      # 2 places --> '0.01'
       sign, digits, exp = value.quantize(q).as_tuple()
       result = []
       digits = list(map(str, digits))
       build, next = result.append, digits.pop
       if sign:
           build(trailneg)
       for i in range(places):
           build(next() if digits else '0')
       if places:
           build(dp)
       if not digits:
           build('0')
       i = 0
       while digits:
           build(next())
           i += 1
           if i == 3 and digits:
               i = 0
               build(sep)
       build(curr)
       build(neg if sign else pos)
       return ''.join(reversed(result))

   def pi():
       """Compute Pi to the current precision.

       >>> print(pi())
       3.141592653589793238462643383

       """
       getcontext().prec += 2  # extra digits for intermediate steps
       three = Decimal(3)      # substitute "three=3.0" for regular floats
       lasts, t, s, n, na, d, da = 0, three, 3, 1, 0, 0, 24
       while s != lasts:
           lasts = s
           n, na = n+na, na+8
           d, da = d+da, da+32
           t = (t * n) / d
           s += t
       getcontext().prec -= 2
       return +s               # unary plus applies the new precision

   def exp(x):
       """Return e raised to the power of x.  Result type matches input type.

       >>> print(exp(Decimal(1)))
       2.718281828459045235360287471
       >>> print(exp(Decimal(2)))
       7.389056098930650227230427461
       >>> print(exp(2.0))
       7.38905609893
       >>> print(exp(2+0j))
       (7.38905609893+0j)

       """
       getcontext().prec += 2
       i, lasts, s, fact, num = 0, 0, 1, 1, 1
       while s != lasts:
           lasts = s
           i += 1
           fact *= i
           num *= x
           s += num / fact
       getcontext().prec -= 2
       return +s

   def cos(x):
       """Return the cosine of x as measured in radians.

       The Taylor series approximation works best for a small value of x.
       For larger values, first compute x = x % (2 * pi).

       >>> print(cos(Decimal('0.5')))
       0.8775825618903727161162815826
       >>> print(cos(0.5))
       0.87758256189
       >>> print(cos(0.5+0j))
       (0.87758256189+0j)

       """
       getcontext().prec += 2
       i, lasts, s, fact, num, sign = 0, 0, 1, 1, 1, 1
       while s != lasts:
           lasts = s
           i += 2
           fact *= i * (i-1)
           num *= x * x
           sign *= -1
           s += num / fact * sign
       getcontext().prec -= 2
       return +s

   def sin(x):
       """Return the sine of x as measured in radians.

       The Taylor series approximation works best for a small value of x.
       For larger values, first compute x = x % (2 * pi).

       >>> print(sin(Decimal('0.5')))
       0.4794255386042030002732879352
       >>> print(sin(0.5))
       0.479425538604
       >>> print(sin(0.5+0j))
       (0.479425538604+0j)

       """
       getcontext().prec += 2
       i, lasts, s, fact, num, sign = 1, 0, x, 1, x, 1
       while s != lasts:
           lasts = s
           i += 2
           fact *= i * (i-1)
           num *= x * x
           sign *= -1
           s += num / fact * sign
       getcontext().prec -= 2
       return +s


Preguntas frecuentes sobre decimal
==================================

P. Es engorroso escribir "decimal.Decimal('1234.5')". ¿Hay alguna
forma de minimizar la escritura cuando se usa el intérprete
interactivo?

R. Algunos usuarios abrevian el constructor a una sola letra:

>>> D = decimal.Decimal
>>> D('1.23') + D('3.45')
Decimal('4.68')

P. En una aplicación de coma fija con dos decimales, algunas entradas
tienen muchos dígitos decimales y deben redondearse. En cambio, otras
no tienen dígitos en exceso y deben ser validadas. ¿Qué métodos deben
utilizarse?

A. The "quantize()" method rounds to a fixed number of decimal places.
If the "Inexact" trap is set, it is also useful for validation:

>>> TWOPLACES = Decimal(10) ** -2       # same as Decimal('0.01')

>>> # Round to two places
>>> Decimal('3.214').quantize(TWOPLACES)
Decimal('3.21')

>>> # Validate that a number does not exceed two places
>>> Decimal('3.21').quantize(TWOPLACES, context=Context(traps=[Inexact]))
Decimal('3.21')

>>> Decimal('3.214').quantize(TWOPLACES, context=Context(traps=[Inexact]))
Traceback (most recent call last):
   ...
Inexact: None

P. Si tengo entradas validadas con dos dígitos decimales, ¿cómo
mantengo eso invariante en una aplicación?

A. Some operations like addition, subtraction, and multiplication by
an integer will automatically preserve fixed point.  Others
operations, like division and non-integer multiplication, will change
the number of decimal places and need to be followed-up with a
"quantize()" step:

>>> a = Decimal('102.72')           # Initial fixed-point values
>>> b = Decimal('3.17')
>>> a + b                           # Addition preserves fixed-point
Decimal('105.89')
>>> a - b
Decimal('99.55')
>>> a * 42                          # So does integer multiplication
Decimal('4314.24')
>>> (a * b).quantize(TWOPLACES)     # Must quantize non-integer multiplication
Decimal('325.62')
>>> (b / a).quantize(TWOPLACES)     # And quantize division
Decimal('0.03')

In developing fixed-point applications, it is convenient to define
functions to handle the "quantize()" step:

>>> def mul(x, y, fp=TWOPLACES):
...     return (x * y).quantize(fp)
>>> def div(x, y, fp=TWOPLACES):
...     return (x / y).quantize(fp)

>>> mul(a, b)                       # Automatically preserve fixed-point
Decimal('325.62')
>>> div(b, a)
Decimal('0.03')

Q. There are many ways to express the same value.  The numbers "200",
"200.000", "2E2", and ".02E+4" all have the same value at various
precisions. Is there a way to transform them to a single recognizable
canonical value?

A. The "normalize()" method maps all equivalent values to a single
representative:

>>> values = map(Decimal, '200 200.000 2E2 .02E+4'.split())
>>> [v.normalize() for v in values]
[Decimal('2E+2'), Decimal('2E+2'), Decimal('2E+2'), Decimal('2E+2')]

Q. When does rounding occur in a computation?

A. It occurs *after* the computation.  The philosophy of the decimal
specification is that numbers are considered exact and are created
independent of the current context.  They can even have greater
precision than current context.  Computations process with those exact
inputs and then rounding (or other context operations) is applied to
the *result* of the computation:

   >>> getcontext().prec = 5
   >>> pi = Decimal('3.1415926535')   # More than 5 digits
   >>> pi                             # All digits are retained
   Decimal('3.1415926535')
   >>> pi + 0                         # Rounded after an addition
   Decimal('3.1416')
   >>> pi - Decimal('0.00005')        # Subtract unrounded numbers, then round
   Decimal('3.1415')
   >>> pi + 0 - Decimal('0.00005').   # Intermediate values are rounded
   Decimal('3.1416')

P. Algunos valores decimales siempre se imprimen usando notación
exponencial. ¿Hay alguna forma de obtener una representación no
exponencial?

A. For some values, exponential notation is the only way to express
the number of significant places in the coefficient.  For example,
expressing "5.0E+3" as "5000" keeps the value constant but cannot show
the original's two-place significance.

Si una aplicación no necesita preocuparse por el seguimiento de
significación, es fácil eliminar el exponente y los ceros finales,
perdiendo significación, pero manteniendo el valor sin cambios:

>>> def remove_exponent(d):
...     return d.quantize(Decimal(1)) if d == d.to_integral() else d.normalize()

>>> remove_exponent(Decimal('5E+3'))
Decimal('5000')

P. ¿Hay alguna forma de convertir un flotante regular en un "Decimal"?

R. Sí, cualquier número de coma flotante binario se puede expresar
exactamente mediante un Decimal, aunque una conversión exacta puede
requerir más precisión de la que sugiere la intuición:

   >>> Decimal(math.pi)
   Decimal('3.141592653589793115997963468544185161590576171875')

P. Dentro de un cálculo complejo, cómo puedo asegurarme de que no he
obtenido un resultado adulterado debido a una precisión insuficiente o
anomalías de redondeo.

R. El módulo decimal facilita la comprobación de resultados. Una buena
práctica es volver a ejecutar los cálculos con mayor precisión y con
varios modos de redondeo. La obtención de resultados muy dispares
indica una precisión insuficiente, problemas relacionados con el modo
de redondeo, entradas mal acondicionadas o un algoritmo numéricamente
inestable.

P. Noté que la precisión del contexto se aplica a los resultados de
las operaciones pero no a las entradas. ¿Hay algo a tener en cuenta al
mezclar valores con distintas precisiones?

R. Sí. El principio es que todos los valores se consideran exactos y
también lo es la aritmética de esos valores. Solo se redondean los
resultados. La ventaja para las entradas es que "lo que escribes es lo
que obtienes". Una desventaja es que los resultados pueden parecer
extraños si olvidas que las entradas no se han redondeado:

   >>> getcontext().prec = 3
   >>> Decimal('3.104') + Decimal('2.104')
   Decimal('5.21')
   >>> Decimal('3.104') + Decimal('0.000') + Decimal('2.104')
   Decimal('5.20')

La solución es aumentar la precisión o forzar el redondeo de las
entradas utilizando la operación unaria más:

   >>> getcontext().prec = 3
   >>> +Decimal('1.23456789')      # unary plus triggers rounding
   Decimal('1.23')

Alternativamente, las entradas se pueden redondear en el momento que
se crean usando el método "Context.create_decimal()":

>>> Context(prec=5, rounding=ROUND_DOWN).create_decimal('1.2345678')
Decimal('1.2345')

P. ¿La implementación de CPython es rápida para números grandes?

A. Yes.  In the CPython and PyPy3 implementations, the C/CFFI versions
of the decimal module integrate the high speed libmpdec library for
arbitrary precision correctly rounded decimal floating point
arithmetic [1]. "libmpdec" uses Karatsuba multiplication for medium-
sized numbers and the Number Theoretic Transform for very large
numbers.

The context must be adapted for exact arbitrary precision arithmetic.
"Emin" and "Emax" should always be set to the maximum values, "clamp"
should always be 0 (the default).  Setting "prec" requires some care.

The easiest approach for trying out bignum arithmetic is to use the
maximum value for "prec" as well [2]:

   >>> setcontext(Context(prec=MAX_PREC, Emax=MAX_EMAX, Emin=MIN_EMIN))
   >>> x = Decimal(2) ** 256
   >>> x / 128
   Decimal('904625697166532776746648320380374280103671755200316906558262375061821325312')

Para resultados inexactos, "MAX_PREC" es demasiado grande en
plataformas de 64 bits y la memoria disponible será insuficiente:

   >>> Decimal(1) / 3
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
   MemoryError

On systems with overallocation (e.g. Linux), a more sophisticated
approach is to adjust "prec" to the amount of available RAM.  Suppose
that you have 8GB of RAM and expect 10 simultaneous operands using a
maximum of 500MB each:

   >>> import sys
   >>>
   >>> # Maximum number of digits for a single operand using 500MB in 8-byte words
   >>> # with 19 digits per word (4-byte and 9 digits for the 32-bit build):
   >>> maxdigits = 19 * ((500 * 1024**2) // 8)
   >>>
   >>> # Check that this works:
   >>> c = Context(prec=maxdigits, Emax=MAX_EMAX, Emin=MIN_EMIN)
   >>> c.traps[Inexact] = True
   >>> setcontext(c)
   >>>
   >>> # Fill the available precision with nines:
   >>> x = Decimal(0).logical_invert() * 9
   >>> sys.getsizeof(x)
   524288112
   >>> x + 2
   Traceback (most recent call last):
     File "<stdin>", line 1, in <module>
     decimal.Inexact: [<class 'decimal.Inexact'>]

En general (y especialmente en sistemas sin sobreasignación), se
recomienda estimar límites aún más estrictos y establecer la trampa
"Inexact" si se espera que todos los cálculos sean exactos.

[1] Nuevo en la versión 3.3.

[2] Distinto en la versión 3.9: Este enfoque ahora funciona para todos
    los resultados exactos excepto para las potencias no enteras.
    También retro-portado a 3.7 y 3.8.
