Python 的四舍五入的两个方法,你学会了吗?
1、使用 round
大多数情况下,我们会使用 round 来保留小数,但这并不符合我们在数学知识里的规则。
round(number[, ndigits])
round() 把 number(通常是浮点数) 按如下规则(Python3)进行四舍五入的:
先说下 ndigits 不为 0 的情况:
如果保留位数的后一位小于等于 4,则舍去,如 round(5.214,2) = 5.21
如果保留位数的后一位等于 5,且该位数后面没有数字,则不进位,如 round(5.215,2) = 5.21
如果保留位数的最后一位等于 5,且该位数后面有数字,则进位,如 round(5.2151,2) = 5.22
如果保留位数的最后一位大于等于 6 ,则进位。如 round(5.216,2) = 5.22
>>> round(5.214,2) 5.21 >>> round(5.215,2) 5.21 >>> round(5.2151,2) 5.22 >>> round(5.216,2) 5.22 >>>
但是上述规则 2 也有例外,比如:
>>> round(0.645,2) 0.65 >>>
究其原因,浮点数用用二进制表示的时候只能表示近似值,虽然我们看到的是 0.645,实际上 Python 存储的是 0.645000000000000017763568394002504646778106689453125,Python 是按照 IEEE754 标准存储浮点数的。
再说下 ndigits 为 0 或 None 的情况:
如果保留位数的后一位小于等于 4,则舍去,如 round(1.4) = 1
如果保留位数的后一位等于 5,且后面没有数字,则取最近的偶数,如 round(1.5)=2,round(2.5)=2
如果保留位数的后一位等于 5,且后面有数字,则近位,如 round(2.51)=3
如果保留位数的最后一位大于等于 6 ,则进位。如 round(1.6) = 2
>>> round(1.5) 2 >>> round(1.4) 1 >>> round(1.6) 2 >>> round(2.5) 2 >>> round(2.51) 3 >>>
请注意, f 字符串的保留结果与 round 一致:
>>> f"{1.5:.0f}" '2' >>> f"{2.5:.0f}" '2' >>> f"{2.51:.0f}" '3'
那么如何获得和数学上的四舍五入规则一致的方法呢?请使用方法二:
2、使用 Decimal
这种方法有个前提,那就是必须先把小数转换成字符串,这样才可以精确的表示浮点数。
import decimal # 修改舍入方式为四舍五入 decimal.getcontext().rounding = "ROUND_HALF_UP" x = "0.645" x1 = decimal.Decimal(x).quantize(decimal.Decimal("0.00")) print(f"{x} 的近似值为 {x1}") y = "2.5" y1 = decimal.Decimal(y).quantize(decimal.Decimal("0")) print(f"{y} 的近似值为 {y1}")
以上程序的输出如下:
0.645 的近似值为 0.65 2.5 的近似值为 3
完全符合我们数学上的四舍五入。
最后的话
浮点数在二进制的表示方法中只能表示近似值,这一点,可以查阅文档[1]。了解了浮点数表示法之后,再看四舍五入,就不会觉得那么奇怪了。
参考资料
[1]文档: https://docs.python.org/3/tutorial/floatingpoint.html#tut-fp-issues
以上是Python 的四舍五入的两个方法,你学会了吗?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti
