文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

如何使用Python进行正确的四舍五入?这个坑有点大

2024-12-24 16:11

关注

问题出现

早上到了公司,领导发了几个文件过来,说这两天测试环境跑出来的数据,与实际情况有所出入,看看哪出的问题,尽快解决···

开始排查

  1. # 基于python3.7版本 
  2. >>> import numpy as np 
  3.  
  4. # 先看看 0 < x < 1 这个范围的结果,发现有问题 
  5. >>> np.round(0.50) 
  6. 0.0 
  7. >>> np.round(0.51) 
  8. 1.0 
  9. >>> np.round(0.49) 
  10. 0.0 
  11.  
  12. # 我担心是不是只有小数点为.5的都会呈现这种问题,所以测试了 x > 1的结果,发现还是有问题 
  13. >>> np.round(1.5) 
  14. 2.0 
  15. >>> np.round(2.5) 
  16. 2.0 
  17. >>> np.round(3.5) 
  18. 4.0 
  19. >>> np.round(4.5) 
  20. 4.0 

通过对比,发现确实涉及到.5的值会有些和预想的不同,看看啥原因

分析问题

确实发现了关于浮点数(.5出现了理解上的偏差),看看官方文档怎么解释这个现象

  1. numpy.around(a, decimals=0, out=None)[source] 
  2. Evenly round to the given number of decimals. 
  3.  
  4. # 对于恰好介于四舍五入的十进制值之间的中间值(.5),NumPy会四舍五入为最接近的偶数值。  
  5. # 因此1.5和2.5四舍五入为2.0,-0.5和0.5四舍五入为0.0,依此类推。 
  6. For values exactly halfway between rounded decimal values,  
  7. NumPy rounds to the nearest even value.  
  8. Thus 1.5 and 2.5 round to 2.0, -0.5 and 0.5 round to 0.0, etc. 
  9.  
  10. # np.around使用快速但有时不精确的算法来舍入浮点数据类型。 
  11. # 对于正小数,它等效于np.true_divide(np.rint(a * 10 **小数),10 **小数), 
  12. # 由于IEEE浮点标准[1]和 十次方缩放时引入的错误 
  13. np.around uses a fast but sometimes inexact algorithm to round floating-point datatypes.  
  14. For positive decimals it is equivalent to np.true_divide(np.rint(a * 10**decimals), 10**decimals),  
  15. which has error due to the inexact representation of decimal fractions in the IEEE floating point standard [1]  
  16. and errors introduced when scaling by powers of ten 

解决问题

先不做任何改动,看下数据误差的情形

  1. # 我们为了先看下现象,构造如下案例 
  2. import pandas as pd 
  3. import numpy as np 
  4.  
  5. df = pd.DataFrame({"num1": [1, 1, 1.5, 5, 7.5], "num2": [2, 3, 1, 6, 3]}) 
  6.  
  7. df["真实值"] = df["num1"] / df["num2"
  8. # 看下round函数过后的结果 
  9. df["偏差值"] = np.round(df["num1"] / df["num2"]) 

原始结果图片如下

 


不做处理,期望值和偏差值不等的情况出现

我的解决方案

上代码

  1. import pandas as pd 
  2. import numpy as np 
  3. import math 
  4.  
  5. df = pd.DataFrame({"除数": [1, 1, 1.5, 5, 7.5], "被除数": [2, 3, 1, 6, 3]}) 
  6.  
  7. # 记录真实值 
  8. df["真实值"] = df["除数"] / df["被除数"
  9.  
  10. # 记录整数部分 
  11. df["辅助整数列"] = df["真实值"].apply(lambda x: math.modf(x)[1]) 
  12.  
  13. # 记录小数部分,因为我的最后结果精度为只保留整数部分,所以我只需要保留一个小数点位进行判断是否需要进位操作 
  14. df["辅助小数列"] = df["真实值"].apply(lambda x: str(math.modf(x)[0]).split(".")[1][0]) 
  15.  
  16. # 小数点后的第一位是为5,则向上取整,不是5则调用原np.round就行了 
  17. df["期望值修正"] = df.apply(lambda x: x.辅助整数列 + 1 if (x.辅助小数列 == "5"else np.round(x.真实值), axis=1) 

结果如下所示

 


期望修正值已经达成

 

 

来源:今日头条内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯