Hướng dẫn how to round(2.5 to 3 in python) - làm thế nào để làm tròn (2,5 đến 3 trong python)
Gần đây tôi cũng có vấn đề với điều này. Do đó, tôi đã phát triển một mô -đun Python 3 có 2 chức năng Trueround () và Trueround_precision () giải quyết vấn đề này và đưa ra hành vi làm tròn tương tự được sử dụng từ trường tiểu học (không phải là làm tròn của ngân hàng). Đây là mô -đun. Chỉ cần lưu mã và sao chép nó vào hoặc nhập nó. Lưu ý: Mô -đun Trueround_Precision có thể thay đổi hành vi làm tròn tùy thuộc vào nhu cầu theo Round_ceiling, Round_down, Round_Floor, Round_half_down, Round_half_Even, Round_half_up, Round_up và Round_05Up Flags trong mô -đun thập phân Đối với các chức năng dưới đây, hãy xem Docstrings hoặc sử dụng trợ giúp (Trueround) và Trợ giúp (Trueround_Precision) nếu được sao chép vào một thông dịch viên để biết thêm tài liệu. Show
Hi vọng điêu nay co ich, Narnie Đó là kỷ nguyên của dữ liệu lớn và mỗi ngày ngày càng có nhiều doanh nghiệp cố gắng tận dụng dữ liệu của họ để đưa ra quyết định sáng suốt. Nhiều doanh nghiệp đang chuyển sang hệ sinh thái khoa học dữ liệu mạnh mẽ của Python, để phân tích dữ liệu của họ, bằng chứng là sự phổ biến ngày càng tăng của Python trong lĩnh vực khoa học dữ liệu. Một điều mà mọi người thực hành khoa học dữ liệu phải ghi nhớ là làm thế nào một bộ dữ liệu có thể bị sai lệch. Rút ra kết luận từ dữ liệu thiên vị có thể dẫn đến những sai lầm tốn kém. Có nhiều cách thiên vị có thể leo vào một bộ dữ liệu. Nếu bạn đã nghiên cứu một số số liệu thống kê, bạn có thể quen thuộc với các thuật ngữ như báo cáo sai lệch, sai lệch lựa chọn và thiên vị lấy mẫu. Có một loại thiên vị khác đóng vai trò quan trọng khi bạn đang xử lý dữ liệu số: Xu hướng làm tròn. Trong bài viết này, bạn sẽ học:
Bài viết này không phải là một chuyên luận về độ chính xác số trong điện toán, mặc dù chúng tôi sẽ liên lạc ngắn gọn về chủ đề này. Chỉ có sự quen thuộc với các nguyên tắc cơ bản của Python là cần thiết, và toán học liên quan ở đây sẽ cảm thấy thoải mái cho bất kỳ ai quen thuộc với tương đương với đại số trung học. Hãy bắt đầu bằng cách nhìn vào cơ chế làm tròn tích hợp Python. Chức năng >>> truncate(12.5) 12.0 >>> truncate(-5.963, 1) -5.9 >>> truncate(1.625, 2) 1.62 4 tích hợp của PythonPython có chức năng 4 tích hợp có hai đối số số, 6 và 7 và trả về số 6 được làm tròn thành 7. Đối số 7 mặc định là 0, do đó, để lại kết quả trong một số được làm tròn cho một số nguyên. Như bạn thấy, 4 có thể không hoạt động như bạn mong đợi.Cách mà hầu hết mọi người được dạy để làm tròn một số đi một cái gì đó như thế này:
Nó là một thuật toán đơn giản! Ví dụ: số 6 được làm tròn đến số toàn bộ gần nhất là 7. Số 8 được làm tròn đến một vị trí thập phân là 9.Bây giờ hãy mở một phiên phiên dịch và vòng 6 đến số toàn bộ gần nhất bằng cách sử dụng chức năng 4 tích hợp của Python,: Chức năng:Gasp! Làm thế nào để 4 xử lý số 3?Vì vậy, 4 vòng 3 lên đến 6 và 6 xuống 6!Trước khi bạn đưa ra một vấn đề trên trình theo dõi lỗi Python, hãy để tôi đảm bảo với bạn rằng 9 được cho là sẽ trả về 6. Có một lý do chính đáng tại sao 4 hành xử theo cách nó làm.Trong bài viết này, bạn sẽ học được rằng có nhiều cách để làm tròn một con số hơn bạn có thể mong đợi, mỗi cách có những ưu điểm và nhược điểm độc đáo. 4 hành xử theo một chiến lược làm tròn cụ thể mà có thể hoặc không phải là một trong những tình huống bạn cần cho một tình huống nhất định.Bạn có thể tự hỏi, có thể cách mà tôi có thể có những con số thực sự có nhiều tác động? Hãy cùng xem xét về việc các tác động của làm tròn có thể đến mức nào. Bao nhiêu tác động có thể làm tròn có?Giả sử bạn có một ngày vô cùng may mắn và tìm thấy 100 đô la trên mặt đất. Thay vì chi tiêu tất cả tiền của bạn cùng một lúc, bạn quyết định chơi thông minh và đầu tư tiền của bạn bằng cách mua một số cổ phiếu của các cổ phiếu khác nhau. Giá trị của một cổ phiếu phụ thuộc vào cung và cầu. Càng nhiều người muốn mua một cổ phiếu, càng có nhiều giá trị mà cổ phiếu có và ngược lại. Trong thị trường chứng khoán khối lượng lớn, giá trị của một cổ phiếu cụ thể có thể dao động trên cơ sở thứ hai. Hãy để chạy một thí nghiệm nhỏ. Chúng tôi sẽ giả vờ giá trị tổng thể của các cổ phiếu bạn đã mua dao động theo một số ngẫu nhiên nhỏ mỗi giây, giả sử từ 0,05 đến -0,05 đô la. Biến động này có thể không nhất thiết là một giá trị tốt đẹp chỉ với hai vị trí thập phân. Ví dụ: giá trị tổng thể có thể tăng thêm 0,031286 một giây và giảm giây tiếp theo bằng 0,028476. Bạn không muốn theo dõi giá trị của mình đến vị trí thập phân thứ năm hoặc thứ sáu, vì vậy bạn quyết định cắt giảm mọi thứ sau vị trí thập phân thứ ba. Trong biệt ngữ làm tròn, điều này được gọi là cắt số đến vị trí thập phân thứ ba. Có một số lỗi được mong đợi ở đây, nhưng bằng cách giữ ba vị trí thập phân, lỗi này không thể là đáng kể. Đúng?truncating the number to the third decimal place. There’s some error to be expected here, but by keeping three decimal places, this error couldn’t be substantial. Right? Để chạy thử nghiệm của chúng tôi bằng Python, hãy để bắt đầu bằng cách viết hàm 03 cắt ngắn một số xuống còn ba số thập phân:
>>>
Hàm 03 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 6 ba vị trí bên phải bằng cách nhân 6 với 07. Phần số nguyên của số mới này được thực hiện với 08. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 6 cho 07.Tiếp theo, hãy để xác định các tham số ban đầu của mô phỏng. Bạn sẽ cần hai biến: một để theo dõi giá trị thực tế của cổ phiếu của bạn sau khi mô phỏng hoàn tất và một biến cho giá trị của cổ phiếu của bạn sau khi bạn đã cắt giảm ba vị trí thập phân ở mỗi bước. Bắt đầu bằng cách khởi tạo các biến này thành 11:>>>
Hàm 03 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 6 ba vị trí bên phải bằng cách nhân 6 với 07. Phần số nguyên của số mới này được thực hiện với 08. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 6 cho 07.>>>
Hàm 03 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 6 ba vị trí bên phải bằng cách nhân 6 với 07. Phần số nguyên của số mới này được thực hiện với 08. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 6 cho 07.Tiếp theo, hãy để xác định các tham số ban đầu của mô phỏng. Bạn sẽ cần hai biến: một để theo dõi giá trị thực tế của cổ phiếu của bạn sau khi mô phỏng hoàn tất và một biến cho giá trị của cổ phiếu của bạn sau khi bạn đã cắt giảm ba vị trí thập phân ở mỗi bước. Bắt đầu bằng cách khởi tạo các biến này thành 11:Bỏ qua thời điểm mà 4 không hành xử như bạn mong đợi, hãy để Lôi thử chạy lại mô phỏng. Chúng tôi sẽ sử dụng 4 lần này để làm tròn đến ba vị trí thập phân ở mỗi bước và 37 Mô phỏng một lần nữa để có được kết quả tương tự như trước đây:>>>
Thật la khac biệt! Có vẻ như gây sốc, lỗi chính xác này đã gây ra sự khuấy động vào đầu những năm 1980 khi hệ thống được thiết kế để ghi lại giá trị của Sở giao dịch chứng khoán Vancouver đã cắt giảm giá trị chỉ số tổng thể thành ba vị trí thập phân thay vì làm tròn. Lỗi làm tròn đã gây ảnh hưởng đến các cuộc bầu cử và thậm chí dẫn đến việc mất mạng. Làm thế nào bạn có số tròn là quan trọng, và là một nhà phát triển và thiết kế phần mềm có trách nhiệm, bạn cần biết những vấn đề phổ biến là gì và làm thế nào để đối phó với chúng. Hãy để lặn và điều tra các phương pháp làm tròn khác nhau là gì và làm thế nào bạn có thể thực hiện từng phương pháp trong Python thuần túy. Một người đàn ông của các phương phápCó rất nhiều chiến lược làm tròn, mỗi chiến lược đều có ưu điểm và nhược điểm. Trong phần này, bạn sẽ tìm hiểu về một số kỹ thuật phổ biến nhất và cách chúng có thể ảnh hưởng đến dữ liệu của bạn. Cắt ngắnPhương pháp đơn giản nhất, mặc dù nhất định, để làm tròn một số là cắt số số thành một số chữ số nhất định. Khi bạn cắt một số, bạn thay thế từng chữ số sau một vị trí nhất định bằng 0. Dưới đây là một số ví dụ:
Bạn đã thấy một cách để thực hiện điều này trong hàm 03 từ mức độ ảnh hưởng của việc làm tròn? tiết diện. Trong chức năng đó, số đầu vào đã bị cắt giảm thành ba số thập phân bởi:
Bạn có thể khái quát quy trình này bằng cách thay thế 07 bằng số 10ᵖ ( 43 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:
Trong phiên bản này của 03, đối số thứ hai mặc định là 20 để nếu không có đối số thứ hai được chuyển đến hàm, thì 03 sẽ trả về phần số nguyên của bất kỳ số nào được truyền cho nó.Hàm 03 hoạt động tốt cho cả số dương và số âm:>>>
Bạn thậm chí có thể chuyển một số âm cho 48 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:>>>
Khi bạn cắt ngắn một số dương, bạn đang làm tròn nó xuống. Tương tự như vậy, cắt ngắn một số âm tròn số đó lên. Theo một nghĩa nào đó, cắt ngắn là sự kết hợp của các phương pháp làm tròn tùy thuộc vào dấu hiệu của số bạn đang làm tròn. Hãy cùng xem từng phương pháp làm tròn này một cách riêng lẻ, bắt đầu bằng cách làm tròn. Tập trungChiến lược làm tròn thứ hai mà chúng tôi sẽ xem xét được gọi là làm tròn. Chiến lược này luôn làm tròn một số lên đến một số chữ số cụ thể. Bảng sau đây tóm tắt chiến lược này:
Bạn đã thấy một cách để thực hiện điều này trong hàm 03 từ mức độ ảnh hưởng của việc làm tròn? tiết diện. Trong chức năng đó, số đầu vào đã bị cắt giảm thành ba số thập phân bởi:Nhân số lượng với 07 để chuyển số thập phân ba vị trí sang bên phảiLấy phần số nguyên của số mới đó với 08Chuyển vị trí thập phân ba vị trí trở lại bên trái bằng cách chia cho 07ceiling function maps every number to its ceiling. To allow the ceiling function
to accept integers, the ceiling of an integer is defined to be the integer itself. So the ceiling of the number 6 is 6.Bạn có thể khái quát quy trình này bằng cách thay thế 07 bằng số 10ᵖ ( 43 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:>>>
Trong phiên bản này của 03, đối số thứ hai mặc định là 20 để nếu không có đối số thứ hai được chuyển đến hàm, thì 03 sẽ trả về phần số nguyên của bất kỳ số nào được truyền cho nó.Hàm 03 hoạt động tốt cho cả số dương và số âm:
Bạn thậm chí có thể chuyển một số âm cho 48 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:Mô hình này thay đổi điểm thập phân, áp dụng một số phương pháp làm tròn để làm tròn sang số nguyên, và sau đó chuyển điểm thập phân trở lại sẽ đi lại nhiều lần khi chúng tôi điều tra các phương pháp làm tròn nhiều hơn. Rốt cuộc, đây là thuật toán tinh thần mà con người chúng ta sử dụng cho các số tròn bằng tay. Hãy cùng xem xét 68 hoạt động tốt như thế nào cho các đầu vào khác nhau:>>> 0Giống như 03, bạn có thể chuyển giá trị âm sang 48:>>> 1Giống như 03, bạn có thể chuyển giá trị âm sang 48:Khi bạn chuyển một số âm cho 48, số trong đối số đầu tiên của 68 được làm tròn đến số chữ số chính xác ở bên trái của dấu thập phân.>>> 2Giống như 03, bạn có thể chuyển giá trị âm sang 48:Khi bạn chuyển một số âm cho 48, số trong đối số đầu tiên của 68 được làm tròn đến số chữ số chính xác ở bên trái của dấu thập phân.Hãy đoán xem những gì 81 trả về: 82 những gì bạn mong đợi?Nếu bạn kiểm tra logic được sử dụng trong việc xác định ____ ____ 168, cụ thể, cách hàm 61 hoạt động thì điều đó có ý nghĩa là 81 trả về 82. Tuy nhiên, một số người tự nhiên mong đợi tính đối xứng xung quanh số 0 khi làm tròn các số, do đó nếu 3 được làm tròn lên đến 6, thì 89 sẽ được làm tròn lên đến 90.Hãy để thiết lập một số thuật ngữ. Đối với các mục đích của chúng tôi, chúng tôi sẽ sử dụng các thuật ngữ làm tròn lên và các vòng tròn xuống theo sơ đồ sau:Làm tròn lên bên phải và xuống bên trái. (Hình ảnh: David Amos)
Những người Vị trí thứ mười Vị trí hàng trăm >>> 3Để thực hiện chiến lược làm tròn xuống của người Viking trong Python, chúng ta có thể tuân theo cùng một thuật toán mà chúng tôi đã sử dụng cho cả 91 và 68. Đầu tiên chuyển điểm thập phân, sau đó làm tròn sang một số nguyên, và cuối cùng thay đổi dấu thập phân trở lại. 4Trong 68, chúng tôi đã sử dụng 61 để làm tròn lên trần của số sau khi chuyển điểm thập phân. Tuy nhiên, đối với chiến lược làm tròn xuống của người Viking, chúng ta cần làm tròn lên sàn của số sau khi chuyển điểm thập phân.May mắn cho chúng tôi, mô -đun 50 có chức năng 96 trả về sàn của đầu vào của nó:>>> 5Ở đây, định nghĩa của 97:Trông giống như 68, ngoại trừ 61 đã được thay thế bằng 00.Bạn có thể kiểm tra >>> def truncate(n): ... return int(n * 1000) / 1000 97 trên một vài giá trị khác nhau:Những ảnh hưởng của 68 và 97 có thể khá cực đoan. Bằng cách làm tròn các số trong một bộ dữ liệu lớn lên hoặc xuống, bạn có khả năng loại bỏ một tấn độ chính xác và thay đổi mạnh mẽ các tính toán được tạo từ dữ liệu.Trước khi chúng tôi thảo luận về bất kỳ chiến lược làm tròn nào nữa, hãy để dừng lại và dành một chút thời gian để nói về cách làm tròn có thể làm cho dữ liệu của bạn bị sai lệch. Interlude: Bias làm tròn Bây giờ bạn đã thấy ba phương pháp làm tròn: 03, 68 và 97. Tất cả ba kỹ thuật này đều khá thô khi bảo tồn một lượng chính xác hợp lý cho một số nhất định.Có một sự khác biệt quan trọng giữa 03 và 68 và 97 làm nổi bật một khía cạnh quan trọng của việc làm tròn: đối xứng xung quanh 0.rounding bias, which describes how rounding affects numeric data in a dataset.Hãy nhớ lại rằng 68 isn đối xứng xung quanh số không. Theo thuật ngữ toán học, một hàm f (x) đối xứng xung quanh 0 nếu, đối với bất kỳ giá trị nào của x, f (x) + f (-x) = 0. Ví dụ, 11 trả về 6, nhưng 81 trả về 64. Hàm 97 cũng không đối xứng khoảng 0.round towards positive infinity bias, because the value is always rounded up in the
direction of positive infinity. Likewise, the “rounding down” strategy has a round towards negative infinity bias.Mặt khác, hàm 03 là đối xứng xung quanh 0. Điều này là bởi vì, sau khi chuyển điểm thập phân sang bên phải, 03 cắt các chữ số còn lại. Khi giá trị ban đầu là dương, số tiền này sẽ làm tròn số xuống. Số âm được làm tròn lên. Vì vậy, 18 trả về 53 và 20 trả về 64.round towards zero bias, in general.Khái niệm đối xứng giới thiệu khái niệm về độ lệch làm tròn, mô tả cách làm tròn ảnh hưởng đến dữ liệu số trong bộ dữ liệu. >>> 6Hãy để tính toán giá trị trung bình của các giá trị trong 22 bằng hàm 23:>>> 7Bây giờ áp dụng từng 68, 97 và 03 trong danh sách hiểu để làm tròn từng số trong 22 đến một vị trí thập phân và tính giá trị trung bình mới:>>> 8Sau khi mỗi số trong 22 được làm tròn, giá trị trung bình mới là khoảng 29, lớn hơn giá trị trung bình thực tế của 30. Làm tròn xuống dịch chuyển trung bình xuống khoảng 31. Giá trị trung bình của các giá trị bị cắt là khoảng 32 và là giá trị gần nhất với giá trị trung bình thực tế.Ví dụ này không ngụ ý rằng bạn nên luôn luôn cắt ngắn khi bạn cần làm tròn các giá trị riêng lẻ trong khi bảo tồn giá trị trung bình càng gần càng tốt. Danh sách 22 chứa số lượng giá trị dương và âm bằng nhau. Hàm 03 sẽ hoạt động giống như 68 trên danh sách tất cả các giá trị dương và giống như 97 trên danh sách tất cả các giá trị âm.Những gì ví dụ này minh họa là độ lệch làm tròn hiệu ứng có trên các giá trị được tính toán từ dữ liệu đã được làm tròn. Bạn sẽ cần phải ghi nhớ những hiệu ứng này khi rút ra kết luận từ dữ liệu đã được làm tròn. Thông thường, khi làm tròn, bạn quan tâm đến việc làm tròn đến số gần nhất với một số độ chính xác được chỉ định, thay vì chỉ làm tròn mọi thứ lên hoặc xuống. Ví dụ: nếu ai đó yêu cầu bạn làm tròn các số 37 và 38 đến một vị trí thập phân, có lẽ bạn sẽ phản hồi nhanh chóng với 52 và 40. Các chức năng 03, 68 và 97 don don làm bất cứ điều gì như thế này.Còn số 44 thì sao? Bạn có thể nghĩ ngay lập tức để làm tròn điều này đến 40, nhưng trong thực tế, 44 là tương đương từ 52 và 40. Theo một nghĩa nào đó, 52 và 40 đều là những con số gần nhất đến 44 với độ chính xác của số thập phân. Số 44 được gọi là cà vạt liên quan đến 52 và 40. Trong các trường hợp như thế này, bạn phải chỉ định một kẻ phá vỡ.tie with respect to 52 and 40. In cases like this, you must
assign a tiebreaker.Cách mà hầu hết mọi người được dạy về mối quan hệ phá vỡ là bằng cách làm tròn đến các số lớn hơn của hai con số có thể. Làm tròn một nửa lênChiến lược làm tròn một nửa của người Viking lên từng số vào số gần nhất với độ chính xác được chỉ định và phá vỡ các mối quan hệ bằng cách làm tròn. Dưới đây là một số ví dụ:
Để thực hiện chiến lược nửa vòng tròn của người Viking trong Python, bạn bắt đầu như thường lệ bằng cách chuyển điểm thập phân sang bên phải bởi số lượng địa điểm mong muốn. Tuy nhiên, tại thời điểm này, bạn cần một cách để xác định xem chữ số ngay sau điểm thập phân thay đổi nhỏ hơn hoặc lớn hơn hoặc bằng 55.Một cách để làm điều này là thêm 56 vào giá trị đã thay đổi và sau đó làm tròn với 00. Điều này hoạt động bởi vì:
Ở đây, những gì nó trông giống như trong Python: 9Lưu ý rằng 62 trông rất giống 97. Điều này có thể có phần phản trực giác, nhưng bên trong 62 chỉ làm tròn. Bí quyết là thêm 56 sau khi chuyển điểm thập phân để kết quả làm tròn xuống phù hợp với giá trị dự kiến.Hãy để thử nghiệm 62 trên một vài giá trị để thấy rằng nó hoạt động:>>> 0Vì 62 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như 89 tròn đến 64, không phải là 90:>>> 1Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 4 tích hợp từ chối cho bạn:>>> 2Mặc dù trước khi bạn quá phấn khích, hãy để Lừa xem điều gì sẽ xảy ra khi bạn cố gắng và làm tròn 72 đến 6 Các vị trí thập phân:>>> 3Chờ đợi. Chúng tôi vừa thảo luận về cách các mối quan hệ được làm tròn đến các giá trị lớn hơn của hai giá trị có thể. 72 bị đập vào giữa 75 và 76. Vì 75 là lớn hơn của hai người này, 78 sẽ trả lại 75. Nhưng thay vào đó, chúng tôi có 76.Có lỗi trong hàm 62 không?Khi 62 vòng 72 đến hai vị trí thập phân, điều đầu tiên nó làm là nhân 72 với 11. Hãy để đảm bảo rằng điều này hoạt động như mong đợi:>>> 4Vâng, đó là sai! Nhưng nó giải thích tại sao 78 trả về -1,23. Hãy để tiếp tục các bước từng bước 62, sử dụng 23 trong bản phát hành để nhớ lại đầu ra giá trị cuối cùng ở mỗi bước:>>> 5Mặc dù 89 thực sự gần với 90, số nguyên gần nhất nhỏ hơn hoặc bằng với nó là 91. Khi điểm thập phân được chuyển trở lại bên trái, giá trị cuối cùng là 76.Chà, bây giờ bạn biết làm thế nào 78 trả về 76 mặc dù không có lỗi logic, nhưng tại sao Python nói rằng 95 là 96? Có lỗi trong Python không?Thực tế là Python nói rằng 95 là 96 là một tạo tác của lỗi biểu diễn điểm nổi. Bạn có thể tự hỏi mình, được rồi, nhưng có cách nào để khắc phục điều này không? Một câu hỏi hay hơn để tự hỏi mình là "Tôi có cần sửa cái này không?"Các số điểm nổi không có độ chính xác chính xác, và do đó không nên được sử dụng trong các tình huống trong đó độ chính xác là tối quan trọng. Đối với các ứng dụng có độ chính xác chính xác là cần thiết, bạn có thể sử dụng lớp 99 từ mô -đun PythonTHER 00. Bạn sẽ tìm hiểu thêm về lớp 99 dưới đây.should not be used in situations where precision is paramount. For applications where the exact precision is necessary, you can use the 99 class from Python’s 00 module. You’ll learn more about the 99 class below.Nếu bạn đã xác định rằng lớp 02 tiêu chuẩn của Python là đủ cho ứng dụng của bạn, một số lỗi không thường xuyên trong 62 do lỗi biểu diễn điểm nổi nên là một mối quan tâm.Bây giờ, bạn đã nhận được một hương vị về cách các số máy tròn trong bộ nhớ, hãy để tiếp tục thảo luận về các chiến lược làm tròn bằng cách nhìn vào một cách khác để phá vỡ một chiếc cà vạt. Làm tròn một nửa xuốngChiến lược làm tròn một nửa xuống, các vòng tròn với số gần nhất với độ chính xác mong muốn, giống như phương pháp làm tròn một nửa lên, ngoại trừ việc nó phá vỡ mối quan hệ bằng cách làm tròn vào số ít hơn trong hai số. Dưới đây là một số ví dụ:
Bạn có thể thực hiện chiến lược nửa làm tròn xuống trong Python bằng cách thay thế 00 trong hàm 62 bằng 61 và trừ 56 thay vì thêm: thêm: 6Hãy để kiểm tra 08 so với một vài trường hợp thử nghiệm:>>> 7Cả 62 và 08 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:>>> 8Hãy để tính toán giá trị trung bình của các số sau: >>> 9Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 62 và 08:>>> 0Mỗi số trong 22 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 62 giới thiệu một vòng hướng tới sai lệch vô cực dương và 08 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.Các chiến lược làm tròn còn lại mà chúng tôi sẽ thảo luận về tất cả các nỗ lực để giảm thiểu những thành kiến này theo những cách khác nhau. Làm tròn một nửa so với số khôngNếu bạn kiểm tra chặt chẽ 62 và 08, bạn sẽ nhận thấy rằng cả hai chức năng này đều không đối xứng xung quanh 0:>>> 1Một cách để giới thiệu đối xứng là luôn luôn làm tròn một chiếc cà vạt từ số không. Bảng sau đây minh họa cách thức hoạt động của nó:
Vị trí hàng trăm
Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 62 và 08:Mỗi số trong 22 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 62 giới thiệu một vòng hướng tới sai lệch vô cực dương và 08 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực. 2Các chiến lược làm tròn còn lại mà chúng tôi sẽ thảo luận về tất cả các nỗ lực để giảm thiểu những thành kiến này theo những cách khác nhau. Làm tròn một nửa so với số không Nếu bạn kiểm tra chặt chẽ 62 và 08, bạn sẽ nhận thấy rằng cả hai chức năng này đều không đối xứng xung quanh 0:>>> 3Lưu ý rằng 36 trả về 02, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 33, 62 và 36, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python: 4Trong 47, giá trị tuyệt đối của 6 được làm tròn đến 48 Các vị trí thập phân bằng cách sử dụng 62 và kết quả này được gán cho biến 51. Sau đó, dấu hiệu ban đầu của 6 được áp dụng cho 51 bằng cách sử dụng 36 và giá trị cuối cùng này với dấu hiệu chính xác được trả về bởi hàm.Kiểm tra 47 Trên một vài giá trị khác nhau cho thấy hàm hoạt động như mong đợi:>>> 5Hàm 47 làm tròn số theo cách mà hầu hết mọi người có xu hướng tròn số trong cuộc sống hàng ngày. Bên cạnh đó là chức năng làm tròn quen thuộc nhất mà bạn đã thấy cho đến nay, 47 còn loại bỏ sự phân tán tròn trong các bộ dữ liệu có số lượng tương đương các mối quan hệ tích cực và tiêu cực.Hãy để kiểm tra mức độ 47 giảm thiểu sai lệch làm tròn trong ví dụ từ phần trước:>>> 6Giá trị trung bình của các số trong 22 được bảo tồn gần như chính xác khi bạn làm tròn từng số trong 22 đến một vị trí thập phân với 47!Tuy nhiên, 47 sẽ thể hiện sự thiên vị làm tròn khi bạn làm tròn mọi số trong các bộ dữ liệu chỉ có mối quan hệ tích cực, chỉ có mối quan hệ tiêu cực hoặc nhiều mối quan hệ của một dấu hiệu hơn giá trị kia. Sự thiên vị chỉ được giảm thiểu tốt nếu có một số lượng tương tự các mối quan hệ tích cực và tiêu cực trong bộ dữ liệu.Làm thế nào để bạn xử lý các tình huống trong đó số lượng mối quan hệ tích cực và tiêu cực khác nhau đáng kể? Câu trả lời cho câu hỏi này đưa chúng ta đến vòng tròn đầy đủ cho chức năng đã lừa dối chúng ta khi bắt đầu bài viết này: Chức năng 4 tích hợp của Python.Làm tròn một nửa để thậm chíMột cách để giảm thiểu độ lệch làm tròn khi làm tròn các giá trị trong bộ dữ liệu là các mối quan hệ tròn đến số gần nhất ở độ chính xác mong muốn. Dưới đây là một số ví dụ về cách làm điều đó:
Một nửa làm tròn cho chiến lược thậm chí là chiến lược được sử dụng bởi chức năng 4 tích hợp của Python và là quy tắc làm tròn mặc định trong tiêu chuẩn IEEE-754. Chiến lược này hoạt động theo giả định rằng xác suất của một sự ràng buộc trong bộ dữ liệu được làm tròn hoặc làm tròn lên bằng nhau. Trong thực tế, đây thường là trường hợp.Bây giờ bạn biết tại sao 9 trả về 6. Nó không phải là một sai lầm. Đó là một quyết định thiết kế có ý thức dựa trên các khuyến nghị vững chắc.Để chứng minh cho chính mình rằng 4 thực sự làm tròn để thậm chí, hãy thử nó trên một vài giá trị khác nhau:>>> 7Hàm 4 gần như không có sai lệch, nhưng nó không hoàn hảo. Ví dụ, độ lệch làm tròn vẫn có thể được giới thiệu nếu phần lớn các mối quan hệ trong bộ dữ liệu của bạn làm tròn lên đến ngay cả thay vì làm tròn xuống. Các chiến lược giảm thiểu sự thiên vị thậm chí còn tốt hơn so với một nửa làm tròn với thậm chí còn tồn tại, nhưng chúng có phần mơ hồ và chỉ cần thiết trong hoàn cảnh khắc nghiệt.Cuối cùng, 4 bị trục trặc tương tự mà bạn đã thấy trong 62 nhờ lỗi biểu diễn điểm nổi:>>> 8Bạn không nên quan tâm đến những lỗi không thường xuyên này nếu độ chính xác điểm nổi là đủ cho ứng dụng của bạn. Khi độ chính xác là tối quan trọng, bạn nên sử dụng lớp Python từ ____299. Lớp >>> actual_value, truncated_value = 100, 100 99Mô-đun thập phân Python sườn là một trong những tính năng bao gồm các loại pin của các ngôn ngữ mà bạn có thể không biết nếu bạn mới sử dụng Python. Nguyên tắc hướng dẫn của mô -đun 00 có thể được tìm thấy trong tài liệu:
Những lợi ích của mô -đun 00 bao gồm:
Hãy cùng khám phá cách làm việc làm tròn hoạt động trong mô -đun 00. Bắt đầu bằng cách nhập phần sau vào Python Repls:>>> 9 84 Trả về một đối tượng 85 đại diện cho bối cảnh mặc định của mô -đun 00. Bối cảnh bao gồm độ chính xác mặc định và chiến lược làm tròn mặc định, trong số những thứ khác.Như bạn có thể thấy trong ví dụ trên, chiến lược làm tròn mặc định cho mô -đun 00 là 88. Điều này phù hợp với chức năng 4 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.Hãy cùng khai báo một số bằng cách sử dụng lớp 00 ____ ____299. Để làm như vậy, hãy tạo một thể hiện 99 mới bằng cách chuyển 93 chứa giá trị mong muốn:>>> 0Chỉ để giải trí, hãy để thử nghiệm khẳng định rằng 99 duy trì biểu diễn thập phân chính xác:>>> 1Ahhh. Điều đó thỏa mãn, phải không? Làm tròn một 99 được thực hiện với phương pháp 96:>>> 2Được rồi, có lẽ trông hơi vui, vì vậy hãy để điều đó phá vỡ điều đó. Đối số 97 trong 96 xác định số lượng vị trí thập phân để làm tròn số. Vì 99 có một vị trí thập phân, số lượng 00 đến một vị trí thập phân duy nhất. Chiến lược làm tròn mặc định là một nửa làm tròn đến một nửa, vì vậy kết quả là 9.Hãy nhớ lại rằng chức năng 4, cũng sử dụng một nửa làm tròn cho chiến lược, đã không chính xác để làm tròn 03 đến hai số thập phân. Thay vì 04, 05 trả về 06. Nhờ các mô -đun 00 đại diện thập phân chính xác, bạn đã giành được vấn đề này với lớp 99:>>> 3Một lợi ích khác của mô -đun 00 là làm tròn sau khi thực hiện số học được chăm sóc tự động và các chữ số quan trọng được bảo tồn. Để xem điều này trong hành động, hãy để thay đổi độ chính xác mặc định từ hai mươi tám chữ số thành hai, sau đó thêm các số 37 và 11:
>>> 4Để thay đổi độ chính xác, bạn gọi 84 và đặt thuộc tính 13. Nếu đặt thuộc tính trên một cuộc gọi hàm có vẻ kỳ lạ với bạn, bạn có thể làm điều này bởi vì 14 trả về một đối tượng 85 đặc biệt đại diện cho bối cảnh nội bộ hiện tại chứa các tham số mặc định được sử dụng bởi mô -đun 00.Giá trị chính xác của 37 cộng với 11 là 19. Vì độ chính xác hiện là hai chữ số và chiến lược làm tròn được đặt thành mặc định là một nửa làm tròn thành chẵn, nên giá trị 19 được tự động làm tròn thành 21.Để thay đổi chiến lược làm tròn mặc định, bạn có thể đặt thuộc tính 22 thành bất kỳ một trong nhiều cờ. Bảng sau đây tóm tắt các cờ này và chiến lược làm tròn mà họ thực hiện:
Điều đầu tiên cần chú ý là sơ đồ đặt tên được sử dụng bởi mô -đun 00 khác với những gì chúng tôi đã đồng ý trước đó trong bài viết. Ví dụ, 26 thực hiện các vòng tròn từ chiến lược không có, thực sự làm tròn các số âm.Thứ hai, một số chiến lược làm tròn được đề cập trong bảng có thể trông không quen thuộc kể từ khi chúng ta đã thảo luận về chúng. Bạn đã thấy cách thức hoạt động của 29, vì vậy, hãy để xem xét từng người khác trong hành động.Chiến lược 23 hoạt động giống như hàm 68 mà chúng tôi đã xác định trước đó:>>> 5Lưu ý rằng kết quả của 23 không đối xứng xung quanh 0.Chiến lược 24 hoạt động giống như hàm 97 của chúng tôi:>>> 6Giống như 23, chiến lược 24 không đối xứng xung quanh 0.Các chiến lược 25 và 26 có những cái tên lừa đảo có phần. Cả 43 và 44 đều đối xứng xung quanh 0:>>> 7Chiến lược 25 làm tròn các số về 0, giống như hàm 03. Mặt khác, 26 làm tròn mọi thứ từ số không. Đây là một sự phá vỡ rõ ràng từ thuật ngữ mà chúng tôi đã đồng ý trước đó trong bài viết, vì vậy hãy ghi nhớ điều đó khi bạn đang làm việc với mô -đun 00.Có ba chiến lược trong mô -đun 00 cho phép làm tròn nhiều sắc thái hơn. Phương pháp 27 làm tròn mọi thứ theo số gần nhất và phá vỡ mối quan hệ bằng cách làm tròn từ số không:>>> 8Lưu ý rằng 27 hoạt động giống như 47 của chúng tôi và không thích 62.Ngoài ra còn có một chiến lược 28 phá vỡ mối quan hệ bằng cách làm tròn về 0:>>> 9Chiến lược làm tròn cuối cùng có sẵn trong mô -đun 00 rất khác với bất cứ điều gì chúng ta đã thấy cho đến nay:>>> 0Trong các ví dụ trên, có vẻ như 30 làm tròn mọi thứ về 0. Trên thực tế, đây chính xác là cách 30 hoạt động, trừ khi kết quả của việc làm tròn kết thúc trong một 20 hoặc 55. Trong trường hợp đó, số được làm tròn khỏi số không:>>> 1Trong ví dụ đầu tiên, số 60 lần đầu tiên được làm tròn về 0 ở vị trí thập phân thứ hai, tạo ra 61. Vì 61 không kết thúc trong một 20 hoặc 55, nên nó được để lại như vậy. Mặt khác, 65 được làm tròn về 0 ở vị trí thập phân thứ hai, dẫn đến số 3. Điều này kết thúc ở một 55, vì vậy vị trí thập phân đầu tiên sau đó được làm tròn từ số 0 đến 9.Trong phần này, chúng tôi chỉ tập trung vào các khía cạnh làm tròn của mô -đun 00. Có một số lượng lớn các tính năng khác làm cho 00 trở thành một lựa chọn tuyệt vời cho các ứng dụng trong đó độ chính xác dấu phẩy động tiêu chuẩn là không đủ, chẳng hạn như ngân hàng và một số vấn đề trong điện toán khoa học.Để biết thêm thông tin về 99, hãy xem hướng dẫn bắt đầu nhanh trong các tài liệu Python.Tiếp theo, hãy để chúng tôi chú ý sang hai mặt hàng chủ lực của các ngăn xếp khoa học và máy tính khoa học Python,: Numpy và Pandas. Làm tròn mảng numpyTrong các lĩnh vực của khoa học dữ liệu và điện toán khoa học, bạn thường lưu trữ dữ liệu của mình dưới dạng 72. Một trong những tính năng mạnh mẽ nhất của Numpy, là việc sử dụng vector hóa và phát sóng để áp dụng các hoạt động cho toàn bộ mảng cùng một lúc thay vì một yếu tố tại một thời điểm.Hãy để tạo ra một số dữ liệu bằng cách tạo một mảng số giả ngẫu nhiên 3 × 4: >>> 2Đầu tiên, chúng tôi gieo hạt mô -đun 73 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 74.Để làm tròn tất cả các giá trị trong mảng 22, bạn có thể chuyển 22 làm đối số cho hàm 77. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 48. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____64 tích hợp của Python.Ví dụ: các vòng sau tất cả các giá trị trong 22 đến ba số thập phân:>>> 3 77 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 4 là.Ví dụ: giá trị trong hàng thứ ba của cột đầu tiên trong mảng 22 là 84. Khi bạn làm tròn số này đến ba vị trí thập phân bằng cách sử dụng một nửa làm tròn cho chiến lược thậm chí là, bạn mong đợi giá trị sẽ là 85. Nhưng bạn có thể thấy trong đầu ra từ 77 rằng giá trị được làm tròn thành 87. Tuy nhiên, giá trị 88 trong hàng đầu tiên của cột thứ hai chính xác là 89.Nếu bạn cần làm tròn dữ liệu trong mảng của mình vào số nguyên, Numpy cung cấp một số tùy chọn:
Hàm 94 làm tròn mọi giá trị trong mảng đến số nguyên gần nhất lớn hơn hoặc bằng giá trị ban đầu:>>> 4Này, chúng tôi đã phát hiện ra một số mới! Số 0 tiêu cực! Trên thực tế, tiêu chuẩn IEEE-754 yêu cầu thực hiện cả số 0 dương và âm. Những gì có thể sử dụng là có một cái gì đó như thế này? Wikipedia biết câu trả lời:
Để làm tròn mọi giá trị xuống số nguyên gần nhất, hãy sử dụng 96:>>> 5Bạn cũng có thể cắt từng giá trị thành thành phần số nguyên của nó với 97:>>> 6Cuối cùng, để làm tròn đến số nguyên gần nhất bằng cách sử dụng một nửa làm tròn cho chiến lược thậm chí là sử dụng 98:>>> 7Bạn có thể nhận thấy rằng rất nhiều chiến lược làm tròn mà chúng tôi đã thảo luận trước đó bị thiếu ở đây. Đối với phần lớn các tình huống, hàm 99 là tất cả những gì bạn cần. Nếu bạn cần thực hiện một chiến lược khác, chẳng hạn như 62, bạn có thể làm như vậy với một sửa đổi đơn giản: 8Nhờ các hoạt động vector hóa của Numpy, điều này hoạt động giống như bạn mong đợi: >>> 9Bây giờ, bạn là một bậc thầy tròn trịa, hãy cùng xem Python, Khoa học dữ liệu nặng nề khác: Thư viện Pandas. Làm tròn Pandas def truncate(n, decimals=0): multiplier = 10 ** decimals return int(n * multiplier) / multiplier 01 và def truncate(n, decimals=0): multiplier = 10 ** decimals return int(n * multiplier) / multiplier 02Thư viện Pandas đã trở thành một yếu tố chính cho các nhà khoa học dữ liệu và các nhà phân tích dữ liệu làm việc trong Python. Theo lời của Joe Wyndham thực sự của Python:
Hai cấu trúc dữ liệu gấu trúc chính là 02, theo thuật ngữ rất lỏng lẻo hoạt động giống như bảng tính Excel và 01, mà bạn có thể nghĩ như một cột trong bảng tính. Cả hai đối tượng 01 và 02 cũng có thể được làm tròn hiệu quả bằng các phương pháp 07 và 08:>>> 0Phương pháp 08 cũng có thể chấp nhận từ điển hoặc 01, để chỉ định độ chính xác khác nhau cho mỗi cột. Chẳng hạn, các ví dụ sau đây cho thấy cách làm tròn cột đầu tiên của 11 đến một vị trí thập phân, vị trí thứ hai đến hai và vị trí thứ ba đến ba thập phân:>>> 1Phương pháp 08 cũng có thể chấp nhận từ điển hoặc 01, để chỉ định độ chính xác khác nhau cho mỗi cột. Chẳng hạn, các ví dụ sau đây cho thấy cách làm tròn cột đầu tiên của 11 đến một vị trí thập phân, vị trí thứ hai đến hai và vị trí thứ ba đến ba thập phân:>>> 2Phương pháp 08 cũng có thể chấp nhận từ điển hoặc 01, để chỉ định độ chính xác khác nhau cho mỗi cột. Chẳng hạn, các ví dụ sau đây cho thấy cách làm tròn cột đầu tiên của 11 đến một vị trí thập phân, vị trí thứ hai đến hai và vị trí thứ ba đến ba thập phân:>>> 3Phương pháp 08 cũng có thể chấp nhận từ điển hoặc 01, để chỉ định độ chính xác khác nhau cho mỗi cột. Chẳng hạn, các ví dụ sau đây cho thấy cách làm tròn cột đầu tiên của 11 đến một vị trí thập phân, vị trí thứ hai đến hai và vị trí thứ ba đến ba thập phân:Nếu bạn cần sự linh hoạt làm tròn hơn, bạn có thể áp dụng các hàm Numpy ____ ____196, 49 và 14 cho các đối tượng Pandas 01 và 02:Hàm >>> actual_value, truncated_value = 100, 100 62 đã sửa đổi từ phần trước cũng sẽ hoạt động ở đây:Xin chúc mừng, bạn rất tốt trên đường để làm tròn thành thạo! Bây giờ bạn biết rằng có nhiều cách để làm tròn một số hơn là có sự kết hợp của taco. . Có một bước nữa: biết khi nào nên áp dụng chiến lược phù hợp.Các ứng dụng và thực tiễn tốt nhất Sự kéo dài cuối cùng trên con đường của bạn để làm tròn sự điêu luyện là sự hiểu biết khi nào nên áp dụng kiến thức mới của bạn. Trong phần này, bạn sẽ học một số thực tiễn tốt nhất để đảm bảo bạn làm tròn số của mình đúng cách. Lưu trữ nhiều hơn và tròn muộn Khi bạn xử lý các bộ dữ liệu lớn, lưu trữ có thể là một vấn đề. Trong hầu hết các cơ sở dữ liệu quan hệ, mỗi cột trong bảng được thiết kế để lưu trữ một loại dữ liệu cụ thể và các loại dữ liệu số thường được gán chính xác để giúp bảo tồn bộ nhớ. Ví dụ, một cảm biến nhiệt độ có thể báo cáo nhiệt độ trong lò công nghiệp kéo dài cứ sau mười giây chính xác đến tám chữ số thập phân. Các bài đọc từ điều này được sử dụng để phát hiện sự dao động bất thường về nhiệt độ có thể chỉ ra sự thất bại của một yếu tố sưởi ấm hoặc một số thành phần khác. Vì vậy, có thể có một kịch bản Python chạy so sánh mỗi lần đọc đến cuối cùng để kiểm tra các biến động lớn. Các bài đọc từ cảm biến này cũng được lưu trữ trong cơ sở dữ liệu SQL để nhiệt độ trung bình hàng ngày bên trong lò có thể được tính toán mỗi ngày vào nửa đêm. Nhà sản xuất phần tử sưởi ấm bên trong lò khuyến nghị thay thế thành phần bất cứ khi nào nhiệt độ trung bình hàng ngày giảm 20 độ dưới mức bình thường.Đối với tính toán này, bạn chỉ cần ba vị trí chính xác thập phân. Nhưng bạn biết từ vụ việc tại Sở giao dịch chứng khoán Vancouver rằng việc loại bỏ quá nhiều độ chính xác có thể ảnh hưởng đáng kể đến tính toán của bạn.Nếu bạn có sẵn không gian, bạn nên lưu trữ dữ liệu ở mức độ chính xác đầy đủ. Nếu lưu trữ là một vấn đề, một quy tắc tốt là lưu trữ ít nhất hai hoặc ba vị trí chính xác thập phân hơn bạn cần cho tính toán của mình. Cuối cùng, khi bạn tính toán nhiệt độ trung bình hàng ngày, bạn nên tính toán nó với độ chính xác đầy đủ có sẵn và làm tròn câu trả lời cuối cùng. Tuân thủ các quy định nội tệ Khi bạn gọi một tách cà phê với giá 2,40 đô la tại quán cà phê, thương gia thường thêm thuế cần thiết. Số tiền thuế đó phụ thuộc rất nhiều vào nơi bạn ở địa lý, nhưng vì lợi ích của cuộc tranh luận, hãy để nói rằng nó đã nói 6%. Thuế được thêm vào được đưa ra tới 0,144 đô la. Bạn có nên làm tròn số tiền này lên đến $ 0,15 hoặc xuống $ 0,14? Câu trả lời có thể phụ thuộc vào các quy định được quy định bởi chính quyền địa phương! Nếu bạn đang thiết kế phần mềm để tính toán tiền tệ, bạn phải luôn kiểm tra luật pháp và quy định địa phương tại các địa điểm của người dùng. Khi nghi ngờ, các mối quan hệ tròn để thậm chíKhi bạn làm tròn các số trong các bộ dữ liệu lớn được sử dụng trong các tính toán phức tạp, mối quan tâm chính là hạn chế sự tăng trưởng của lỗi do làm tròn. Trong tất cả các phương pháp mà chúng tôi đã thảo luận trong bài viết này, một nửa làm tròn cho chiến lược thậm chí của người dùng giảm thiểu sự thiên vị làm tròn tốt nhất. May mắn thay, Python, Numpy và Pandas đều mặc định cho chiến lược này, vì vậy bằng cách sử dụng các chức năng làm tròn tích hợp mà bạn đã được bảo vệ tốt! Bản tóm tắtWhew! Thật là một hành trình này đã được! Trong bài viết này, bạn đã học được điều đó:
Nếu bạn quan tâm đến việc tìm hiểu thêm và đào sâu vào các chi tiết lớn của tất cả mọi thứ chúng tôi đã đề cập, các liên kết dưới đây sẽ khiến bạn bận rộn khá lâu. Ít nhất, nếu bạn đã thích bài viết này và học được điều gì đó mới từ nó, hãy chuyển nó cho một người bạn hoặc thành viên trong nhóm! Hãy chắc chắn để chia sẻ suy nghĩ của bạn với chúng tôi trong các ý kiến. Chúng tôi rất thích nghe một số câu chuyện chiến đấu liên quan đến làm tròn của riêng bạn! Happy Pythoning! Tài nguyên bổ sungChiến lược làm tròn và thiên vị:
Thông số kỹ thuật nổi và số thập phân:
Những bài đọc thú vị:
Vòng 2,5 để làm gì trong Python?Đó là một thuật toán đơn giản! Ví dụ, số 2,5 được làm tròn đến số toàn bộ gần nhất là 3. Số 1,64 được làm tròn đến một vị trí thập phân là 1.6. Bây giờ hãy mở một phiên phiên dịch và vòng 2.5 đến số toàn bộ gần nhất bằng cách sử dụng chức năng vòng () tích hợp của Python: >>> >>> vòng (2.5) 2.the number 2.5 rounded to the nearest whole number is 3 . The number 1.64 rounded to one decimal place is 1.6 . Now open up an interpreter session and round 2.5 to the nearest whole number using Python's built-in round() function: >>> >>> round(2.5) 2.
Làm thế nào để bạn làm tròn đến 3 chữ số thập phân ở Python?Sử dụng hàm vòng () để làm tròn một chiếc phao đến 3 thập phân, ví dụ:Kết quả = vòng (6.36789, 3).Hàm vòng () sẽ làm tròn số điểm nổi đến 3 vị trí thập phân và sẽ trả về kết quả.Đã sao chép!, e.g. result = round(6.36789, 3) . The round() function will round the floating-point number to 3 decimal places and will return the result. Copied!
2,5 làm tròn lên hay xuống?Quy tắc làm tròn như sau: Nếu số ở bên phải của vị trí có ý nghĩa (toàn bộ số) là 5 hoặc cao hơn, bạn sẽ làm tròn. Nếu nó dưới 5, bạn làm tròn xuống.2.5, 5 là số bên cạnh toàn bộ số (2).Vì 5 nằm trong danh mục từ 5 trở lên, 2 vòng lên đến 3.if the number to the right of the place of significance (whole number) is 5 or above, you round up. if it is below 5, you round down. 2.5, the 5 is the number next to the whole number (2). since 5 is in the category of 5 or above, the 2 rounds up to 3.
Python có vòng 0,5 lên hay xuống không?Đối với 0,5, nó làm tròn lên.For = 0,5, hàm vòng () làm tròn số đến số chẵn gần nhất.Vì vậy, 0,5 được làm tròn về 0, và -0,5;33,5 và 34,5 đều được làm tròn đến 34;-33,5 -34,5 đều được làm tròn đến -34, v.v.. For =0.5, the round() function rounds the number off to the nearest even number. So, 0.5 is rounded to zero, and so is -0.5; 33.5 and 34.5 are both rounded off to 34; -33.5 -34.5 are both rounded off to -34, and so on. |