Entendendo casas decimais na prática
A maioria das pessoas confunde regra de arredondamento com contagem de casas decimais. Eu já vi planilha quebrada por causa disso várias vezes. O conceito em si é simples, mas a execução em sistemas reais tem armadilhas que ninguém ensina no curso básico. Casas decimais se referem à quantidade de algarismos que aparecem após a vírgula (ou ponto, dependendo da notação) em um número. Quando você vê 3,14, tem duas casas decimais. Quando vê 7,0, tecnicamente também tem uma casa decimal, ainda que o zero muitas vezes seja omitido na exibição. O problema começa quando você precisa formatar valores para exibição versus quando precisa manter precisão para cálculos subsequentes. São duas coisas diferentes e tratar como iguais causa erro.
Como funcionam as casas dos números em programação
Em Python, por exemplo, usar round() não resolve o problema como todo mundo espera. A função round(2.675, 2) retorna 2.67 em vez de 2.68. Isso não é bug, é a representação binária do. O número 2.675 não existe exatamente como 2.675 na memória. Existe algo como 2.674999999999999822. Então o arredondamento cai para baixo. A solução que eu uso é a módulo decimal. Importe Decimal do módulo decimal e passe strings, nunca floats. Decimal('2.675').quantize(Decimal('0.00')) retorna Decimal('2.68') corretamente. Funciona assim porque o Decimal trabalha com representação decimal exata, não binária. Custa um pouco mais de performance, mas em qualquer sistema financeiro ou relatório isso vale o investimento.
Em JavaScript a situação é diferente. O operador toFixed() converte o número para string, então precisa de cuidado extra se for continuar calculando depois. Um resultado de toFixed(2) é texto, não número. Quem não sabe disso faz soma depois e o operador + vira concatenação em vez de adição. Já vi um relatorio fiscal ficar errado por causa disso.
O erro que eu cometi e como contornei
Num projeto de importação de notas fiscais, eu tinha que padronizar todos os valores para duas casas decimais antes de consolidar. Os dados vinham de fontes diferentes: algumas com três casas, outras com zero, algumas com formato string quebrado. Eu simplesmente usei round() em tudo. Dois meses depois, a diferença total entre o esperado e o calculado era de R$ 0,03. Três centavos. O problema era acumulação de erros de arredondamento. Cada valor individual tinha um erro diminuto, mas quando somados milhares deles, o erro se acumulava. A solução foi usar o módulo decimal em Python para toda a etapa de processamento. Troquei todas as operações com float por Decimal. A diferença nos totais sumiu. O código ficou um pouco mais verboso, mas corretíssimo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Outro detalhe importante: ao exibir para o usuário final, você pode usar formatação de string com duas casas decimais. Mas nunca salve essa string formatada como valor numérico para uso posterior. Sempre mantenha o número original com precisão máxima e formate apenas na camada de apresentação.
Arredondamento para cima versus para baixo
Nem todo arredondamento segue a regra padrão de "5 ou mais sobe". Existem métodos específicos dependendo do contexto. Arredondamento comercial, bancário, truncamento. O arredondamento bancário, por exemplo, arredonda para o par mais próximo quando o dígito é exatamente 5. Serve para evitar viés estatístico em grandes conjuntos de dados. Em Python 3, round() segue o arredondamento bancário. round(2.5) é 2, round(3.5) é 4. Isso confunde muita gente porque o comportamento muda em relação ao Python 2. Em C#, a enumeração MidpointRounding define isso explicitamente. Na documentação da Microsoft está claro qual comportamento escolher.
Limitações e quando não usar
Casas decimais não resolvem problemas de precisão em sistemas que precisam de precisão arbitrariamente alta. Se você trabalha com criptografia ou simulações científicas, Decimal não é suficiente. Aí você precisa de bibliotecas como gmpy2 ou trabalhar com representações simbólicas. Nenhum formato fixo de casas decimais serve para esses casos. Também não adianta aplicar casas decimais a dados que originalmente não têm essa precisão. Se uma medida foi feita com uma régua comum e o valor real é 5,4 centímetros, não faz sentido apresentar 5,40 ou 5,400. Isso dá uma falsa sensação de precisão. O número de casas decimais deve refletir a precisão real do dado, não uma conveniência de formatação.
Em bancos de dados, colunas do tipo DECIMAL ou NUMERIC permitem especificar precisão e escala. Escolher esses valores errado pode gerar erro de overflow silencioso ou perda de dados. Sempre defina a escala com base no pior caso possível, não no cenário médio. O que funciona na maior parte dos casos é: use Decimal para cálculos financeiros, formate na exibição, respeite a precisão original dos dados e testee com casos de borda antes de colocar em produção. O resto é detalhe.
