有关Python里面小数点精度的控制

要求较小的精度


round()内置方法

这个是使用最多的,刚看了round()的使用解释,也不是很容易懂。round()不是简单的四舍五入的处理方式。
For the built-in types supporting round(), values are rounded to the closest multiple of 10 to the power minus ndigits; if two 

multiples are equally close, rounding is done toward the even choice (so, for example, both round(0.5) and round(-0.5) are 0, and

round(1.5) is 2).

>>> round(2.5)
3.0
>>> round(-2.5)
-3.0
>>> round(2.675)
3.0
>>> round(2.675,2)
2.67
round()如果只有一个数作为参数,不指定位数的时候,返回的是一个整数,而且是最靠近的整数。一般情况是使用四舍五入的规则,但是碰到舍入的后一位为5的情况,如果要取舍的位数前的数是偶数,则直接舍弃,如果奇数这向上取舍。看下面的示例:

>>> round(2.555,2)
2.56
>>> round(2.565,2)
2.56
>>> round(2.575,2)
2.58
>>> round(2.585,2)
2.58

使用格式化

效果和round()是一样的。

>>> a = ("%.2f" % 2.555)
>>> a
'2.56'
>>> a = ("%.2f" % 2.565)
>>> a
'2.56'
>>> a = ("%.2f" % 2.575)
>>> a
'2.58'
>>> a = ("%.2f" % 2.585)
>>> a
'2.58'
>>> a = int(2.5)
>>> a
2

要求超过17位的精度分析

python默认的是17位精度,也就是小数点后16位,但是这里有一个问题,就是当我们的计算需要使用更高的精度(超过16位小数)的

时候该怎么做呢?

高精度使用decimal模块,配合getcontext

>>> from decimal import *
>>> print(getcontext())
Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1, clamp=0, flags=[], traps=[InvalidOperation, DivisionByZero, Overflow])
>>> getcontext().prec = 50
>>> b = Decimal(1)/Decimal(3)
>>> b
Decimal('0.33333333333333333333333333333333333333333333333333')
>>> c = Decimal(1)/Decimal(7)
>>> c
Decimal('0.14285714285714285714285714285714285714285714285714')
>>> float(c)
0.14285714285714285
默认的context的精度是28位,可以设置为50位甚至更高,都可以。这样在分析复杂的浮点数的时候,可以有更高的自己可以控

制的精度。其实可以留意下context里面的这rounding=ROUND_HALF_EVEN 参数。ROUND_HALF_EVEN, 当half的时候,靠近

even.

使用格式化(不推荐)

>>> a = ("%.30f" % (1.0/3))
>>> a
'0.333333333333333314829616256247'

可以显示,但是不准确,后面的数字基本没有意义。

关于小数和取整

既然说到小数,就必然要说到整数。一般取整会用到这些函数:

round()

这个不说了,前面已经讲过了。一定要注意它不是简单的四舍五入,而是ROUND_HALF_EVEN的策略。

math模块的ceil(x)

取大于或者等于x的最小整数。

math模块的floor(x)

去小于或者等于x的最大整数。

>>> from math import ceil, floor
>>> round(2.5)
2
>>> ceil(2.5)
3
>>> floor(2.5)
2
>>> round(2.3)
2
>>> ceil(2.3)
3
>>> floor(2.3)
2



### 如何在 Python 中保留和处理小数点数值 #### 使用 `round()` 函数 `round()` 是一种简单有效的方式来四舍五入并保留指定数量的小数位。此方法适用于基本的数值操作。 ```python a = 3.1415926 rounded_a = round(a, 2) print(rounded_a) # 输出: 3.14 ``` 该代码片段展示了如何通过传递两个参数给 `round()` 来实现这一点:第一个是要被取整的数字,第二个是希望保留的小数位数[^3]。 #### 利用 f-string 进行格式化输出 对于更复杂的场景或当需要构建更具可读性的字符串时,f-string 提供了一种简洁而强大的解决方案。 ```python value = 3.1415926 formatted_value = f"{value:.2f}" print(formatted_value) # 输出: 3.14 ``` 这里 `.2f` 表明要格式化的值应显示为固定宽度的小数形式,并且只保留两位小数[^2]。 #### 应用 `format()` 方法 另一种常见的做法就是调用内置的 `str.format()` 方法来进行更加灵活多样的格式设置。 ```python pi_approximation = 3.1415926 result = "{:.2f}".format(pi_approximation) print(result) # 输出: 3.14 ``` 上述例子中的 `{}` 被视为占位符,在其内部定义了具体的格式说明符以指示期望的结果样式。 #### 处理矩阵数据中小数点精度 如果目标是在整个 NumPy 数组或 Pandas DataFrame 的上下文中保持一致的小数点精度,则可以考虑如下策略: ##### 对于 NumPy 数组: ```python import numpy as np matrix = np.array([[0.12345678, 0.98765432], [0.23456789, 0.87654321]]) np.set_printoptions(formatter={'float': '{: .2f}'.format}) print(matrix) # 或者使用 around 函数直接修改数组内容 rounded_matrix = np.around(matrix, decimals=2) print(rounded_matrix) ``` 这段脚本不仅能够调整打印出来的外观效果,还能实际改变存储的数据本身[^1]。 ##### 针对 Pandas DataFrame: ```python import pandas as pd df = pd.DataFrame({ 'A': [0.12345678, 0.98765432], 'B': [0.23456789, 0.87654321] }) pd.options.display.float_format = '{:,.2f}'.format print(df.head()) # 如果想要创建一个新的列来保存经过舍入后的版本 df['Rounded_A'] = df['A'].apply(lambda x: round(x, 2)) print(df[['A', 'Rounded_A']]) ``` 这种方法允许用户自定义全局显示选项或是针对特定字段应用不同的规则。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值