Hướng dẫn round up in python - làm tròn trong con trăn
Hàm round() trong Python làm tròn x về n chữ số sau dấu thập phân. Python làm tròn theo cách sau: round(0.5) là 1.0 và round(-0.5) là -1.0round() trong Python làm tròn x về n chữ số sau dấu thập phân. Python làm tròn theo cách sau: round(0.5) là 1.0 và round(-0.5) là -1.0 Cú pháp của round() trong Python:round() trong Python: Các tham số: x: Đây là một biểu thức số.: Đây là một biểu thức số. n: Đây cũng là một biểu thức số.: Đây cũng là một biểu thức số. Ví dụ sau minh họa cách sử dụng của hàm round() trong Python. print ("round(50.25556, 2) : ", round(50.25556, 2)) print ("round(10.000056, 3) : ", round(10.000056, 3)) print ("round(-10.000056, 3) : ", round(-10.000056, 3)) Chạy chương trình Python trên sẽ cho kết quả: round(50.25556, 2) : 50.26 round(10.000056, 3) : 10.0 round(-10.000056, 3) : -10.0 Hàm Round () trong python lÀm trngn x về n chữ số Sau dấu thập Phân. Python lÀm Tròn Theo Cách Sau: Round (0,5) Là 1.0 Và Round (-0.5) Là -1.0round() trong Python làm tròn x về n chữ số sau dấu thập phân. Python làm tròn theo cách sau: round(0.5) là 1.0 và round(-0.5) là -1.0
Cú pháppCú Pháp Hàm Round () Trong Python:round() trong Python: Các Tham Số CủA Hài Giá trị trả về từ vòng () Ví dụ 1: Round () hoạt Động NHư thế nào? Ví dụ 2: lÀm trngn số đến vị trí ndigits Đăng nhập Giá trị trả về từ vòng () Ví dụ 1: Round () hoạt Động NHư thế nào? Ví dụ 2: lÀm trngn số đến vị trí ndigits Đăng nhập Giá trị trả về từ vòng ()
In (Vòng tròn (50.25556, 2): Vòng, Vòng (50.25556, 2)) in (Vòng tròn (10.000056, 3): Vòng, Vòng (10.000056, 3)) , tròn (-10.000056, 3)) trong Python làm tròn một số cho trước, trả về số đó dưới dạng số dấu phẩy động, có số chữ số sau dấu phẩy được chỉ định. Số sau dấu phẩy mặc định là 0, nghĩa là hàm sẽ trả về số nguyên gần nhất. Cú Pháp Hàm Round () Trong Python:
Các Tham Số CủA HàiHàm round() có 2 tham số:
Giá trị trả về từ round()
Ví dụ 1: round() hoạt động như thế nào?Ví dụ chỉ truyền tham số đầu tiên:
Khi bạn chạy chương trình, output trả về sẽ là:
Ví dụ 2: Làm tròn số đến vị trí ndigits đã choVí dụ truyền đủ cả 2 tham số:
Khi bạn chạy chương trình, output trả về sẽ là:
Ví dụ 2: Làm tròn số đến vị trí ndigits đã choVí dụ truyền đủ cả 2 tham số: Đăng nhập
When In Doubt, Round Ties To Even Additional Resources One thing every data science practitioner must keep in mind is how a dataset may be biased. Drawing conclusions from biased data can lead to costly mistakes.
How to round numbers in NumPy arrays and Pandas DataFrames When to apply different rounding strategies This article is not a treatise on numeric precision in computing, although we will touch briefly on the subject. Only a familiarity with the fundamentals of Python is necessary, and the math involved here should feel comfortable to anyone familiar with the equivalent of high school algebra.Let’s start by looking at Python’s built-in rounding mechanism. Python’s Built-in round() Function
Then look at the digit 7 in the first decimal place of 6. If 7 is less than 5, round 6 down to the nearest integer. Otherwise, round 6 up. Finally, shift the decimal point back 1 places by dividing 6 by 10ᵖ. It’s a straightforward algorithm! For example, the number 4 rounded to the nearest whole number is 5. The number 6 rounded to one decimal place is 7. Now open up an interpreter session and round 4 to the nearest whole number using Python’s built-in 3 function: Gasp! How does 3 handle the number 01? So, 3 rounds 01 up to 04, and 4 down to 04! Before you go raising an issue on the Python bug tracker, let me assure you that 07 is supposed to return 04. There is a good reason why 3 behaves the way it does. 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 11 cắt ngắn một số xuống ba số thập phân:>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.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 19:>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.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 19:Bây giờ, hãy để Lôi chạy mô phỏng trong 1.000.000 giây (khoảng 11,5 ngày). Với mỗi giây, tạo một giá trị ngẫu nhiên giữa 20 và 21 với hàm 22 trong mô -đun 23, sau đó cập nhật 24 và 25:>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.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 19:Bây giờ, hãy để Lôi chạy mô phỏng trong 1.000.000 giây (khoảng 11,5 ngày). Với mỗi giây, tạo một giá trị ngẫu nhiên giữa # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))20 và # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))21 với hàm # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))22 trong mô -đun # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))23, sau đó cập nhật # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))24 và # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))25:Thịt mô phỏng diễn ra trong vòng 26, lặp qua 27 của các số trong khoảng từ 28 và 29. Giá trị được lấy từ 30 ở mỗi bước được lưu trữ trong biến 31 mà chúng tôi sử dụng ở đây vì chúng tôi thực sự cần giá trị này bên trong vòng lặp.Ở mỗi bước của vòng lặp, một số ngẫu nhiên mới giữa # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))20 và # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))21 được tạo bằng cách sử dụng # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))34 và được gán cho biến # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))35. Giá trị mới của khoản đầu tư của bạn được tính bằng cách thêm # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))35 vào # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))37 và tổng số bị cắt được tính bằng cách thêm # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))35 vào # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))39 và sau đó cắt ngắn giá trị này với # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))11.Như bạn có thể thấy bằng cách kiểm tra biến 37 sau khi chạy vòng lặp, bạn chỉ mất khoảng 3,55 đô la. Tuy nhiên, nếu bạn đã nhìn vào 39, bạn đã nghĩ rằng bạn đã mất gần như tất cả số tiền của mình!
Bạn đã thấy một cách để thực hiện điều này trong hàm 11 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 15 bằng số 10ᵖ ( 51 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:
Trong phiên bản 11 này, đối số thứ hai mặc định là 28 để nếu không có đối số thứ hai được truyền cho hàm, thì 11 sẽ trả về phần số nguyên của bất kỳ số nào được truyền cho nó.Hàm 11 hoạt động tốt cho cả số dương và số âm:>>> 0Bạn thậm chí có thể chuyển một số âm cho 56 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:>>> 1 0Bạn thậm chí có thể chuyển một số âm cho 56 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.
Bạn đã thấy một cách để thực hiện điều này trong hàm 11 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 15 để thay đổi số thập phân ba vị trí sang bên phảiLấy phần số nguyên của số mới đó với 16Chuyển vị trí thập phân ba vị trí trở lại bên trái bằng cách chia cho 15ceiling 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 04 is 04. Bạn có thể khái quát quy trình này bằng cách thay thế 15 bằng số 10ᵖ ( 51 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:>>> 2 0Bạn thậm chí có thể chuyển một số âm cho 56 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân: 3Khi 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 trung >>> 4 0>>> 5 0Bạn thậm chí có thể chuyển một số âm cho 56 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:>>> 6 0Bạn thậm chí có thể chuyển một số âm cho 56 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân: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) Làm tròn luôn làm tròn một số vào bên phải trên dòng số và làm tròn xuống luôn làm tròn một số vào bên trái trên dòng số. Làm tròn xuốngĐối tác của nhóm làm tròn lên trên mạng là chiến lược làm tròn của người Viking, luôn làm tròn một số xuống một số chữ số được chỉ định. Dưới đây là một số ví dụ minh họa chiến lược này:
Để 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 99 và 76. Đầu tiên chuyển điểm thập phân, sau đó làm tròn sang một số nguyên, và cuối cùng thay đổi dấu thập phân trở lại.Trong 76, chúng tôi đã sử dụng 69 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 58 có chức năng 04 trả về sàn của đầu vào của nó:>>> 7Ở đây, định nghĩa của 05: 8Trông giống như 76, ngoại trừ 69 đã được thay thế bằng 08.Bạn có thể kiểm tra 05 trên một vài giá trị khác nhau:>>> 9Ở đây, định nghĩa của 05:Trông giống như 76, ngoại trừ 69 đã được thay thế bằng 08.Bạn có thể kiểm tra 10116570105 trên một vài giá trị khác nhau:Những ảnh hưởng của 76 và 05 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: 11, 76 và 05. 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 11 và 76 và 05 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 76 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, 19 trả về 04, nhưng 89 trả về 72. Hàm 05 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 11 là đối xứng xung quanh 0. Điều này là bởi vì, sau khi chuyển điểm thập phân sang bên phải, 11 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, 26 trả về 61 và 28 trả về 72.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. >>> 0Ở đây, định nghĩa của 05:>>> 1Ở đây, định nghĩa của 05:>>> Ở đây, định nghĩa của 05:Trông giống như 76, ngoại trừ 69 đã được thay thế bằng 08.Bạn có thể kiểm tra 05 trên một vài giá trị khác nhau: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 45 và 46 đến một vị trí thập phân, có lẽ bạn sẽ phản hồi nhanh chóng với 60 và 48. Các chức năng 11, 76 và 05 don don làm bất cứ điều gì như thế này.Còn số 52 thì sao? Bạn có thể nghĩ ngay lập tức để làm tròn điều này đến 48, nhưng trong thực tế, 52 là tương đương từ 60 và 48. Theo một nghĩa nào đó, 60 và 48 đều là những con số gần nhất đến 52 với độ chính xác của số thập phân. Số 52 được gọi là cà vạt liên quan đến 60 và 48. Trong các trường hợp như thế này, bạn phải chỉ định một kẻ phá vỡ.tie with respect to 60 and 48. 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 63.Một cách để làm điều này là thêm 64 vào giá trị đã thay đổi và sau đó làm tròn với 08. Điều này hoạt động bởi vì:
Ở đây, những gì nó trông giống như trong Python: 3Lưu ý rằng 70 trông rất giống 05. Điều này có thể có phần phản trực giác, nhưng nội bộ ____270 chỉ làm tròn. Bí quyết là thêm 64 sau khi chuyển điểm thập phân để kết quả làm tròn xuống phù hợp với giá trị dự kiến.Hãy để thử nghiệm 70 trên một vài giá trị để thấy rằng nó hoạt động:>>> 4Vì 70 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 97 tròn đến 72, không phải là 98:>>> 5Vì 70 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 97 tròn đến 72, không phải là 98:>>> 6Vì 70 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 97 tròn đến 72, không phải là 98:>>> 7Vì 70 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 97 tròn đến 72, không phải là 98:Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 3 tích hợp từ chối cho bạn:Mặc dù trước khi bạn quá phấn khích, hãy để Lừa xem điều gì sẽ xảy ra khi bạn cố gắng và làm tròn 80 đến 04 Số thập phân:>>> 8Vì 70 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 97 tròn đến 72, không phải là 98:>>> 9Vì 70 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 97 tròn đến 72, không phải là 98:Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 3 tích hợp từ chối cho bạn:Mặc dù trước khi bạn quá phấn khích, hãy để Lừa xem điều gì sẽ xảy ra khi bạn cố gắng và làm tròn 80 đến 04 Số thập phân: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 07 từ mô -đun PythonTHER 08. Bạn sẽ tìm hiểu thêm về lớp 07 dưới đây.should not be used in situations where precision is paramount. For applications where the exact precision is necessary, you can use the
07 class from Python’s 08 module. You’ll learn more about the 07 class below. Nếu bạn đã xác định rằng lớp ____310 tiêu chuẩn của Python là đủ cho ứng dụng của bạn, một số lỗi không thường xuyên trong 70 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 08 trong hàm 70 bằng 69 và trừ 64 thay vì thêm: thêm: 0Hãy để kiểm tra 16 so với một vài trường hợp thử nghiệm:>>> 1Cả 70 và 16 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:>>> 2Cả 70 và 16 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:>>> 3Cả 70 và 16 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:>>> 4Cả 70 và 16 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:Hãy để tính toán giá trị trung bình của các số sau: Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 10116570170 và print(round(2.665, 2))print(round(50.25556, 2))print(round(100.000056, 3))print(round(80.23456, 2))print(round(122.145,5))16:Mỗi số trong 30 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 70 giới thiệu một vòng hướng tới sai lệch vô cực dương và 16 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.>>> 5Cả 70 và 16 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:
Vị trí hàng trăm
Hãy để tính toán giá trị trung bình của các số sau: Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 70 và 16: 6Mỗi số trong 30 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 70 giới thiệu một vòng hướng tới sai lệch vô cực dương và 16 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 không >>> 7Cả 70 và 16 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:Hãy để tính toán giá trị trung bình của các số sau: 8Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 70 và 16:Mỗi số trong 30 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 70 giới thiệu một vòng hướng tới sai lệch vô cực dương và 16 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.>>> 9Cả 70 và 16 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:Hãy để kiểm tra mức độ 55 giảm thiểu sai lệch làm tròn trong ví dụ từ phần trước:>>> 0Giá trị trung bình của các số trong 30 được bảo tồn gần như chính xác khi bạn làm tròn từng số trong 30 đến một vị trí thập phân với 55!Tuy nhiên, 55 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 khác. 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 3 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 3 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 07 trả về 04. 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 3 thực sự làm tròn để thậm chí, hãy thử nó trên một vài giá trị khác nhau:>>> 1Hàm 3 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, 3 bị trục trặc tương tự mà bạn đã thấy trong 70 nhờ lỗi biểu diễn điểm nổi:>>> 2Bạn 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 ____307. Lớp thập phânMô-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 08 có thể được tìm thấy trong tài liệu:
Những lợi ích của mô -đun 08 bao gồm:
Hãy cùng khám phá cách làm việc làm tròn hoạt động trong mô -đun 08. Bắt đầu bằng cách nhập phần sau vào Python Repls:>>> 3
91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 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 08 07. Để làm như vậy, hãy tạo một thể hiện 07 mới bằng cách chuyển 00 chứa giá trị mong muốn:>>> 4Chỉ để giải trí, hãy để thử nghiệm khẳng định rằng 07 duy trì biểu diễn thập phân chính xác:>>> 5Ahhh. Điều đó thỏa mãn, phải không? Làm tròn một 07 được thực hiện với phương pháp 03:>>> 6Được rồi, có lẽ trông hơi vui, vì vậy hãy để điều đó phá vỡ điều đó. Đối số 04 trong 03 xác định số lượng vị trí thập phân để làm tròn số. Vì 06 có một vị trí thập phân, số 07 vòng 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 7.Hãy nhớ lại rằng chức năng 3, cũng sử dụng một nửa làm tròn cho chiến lược, đã không chính xác để làm tròn 10 đến hai thập phân. Thay vì 11, 12 trả về 13. Nhờ các mô -đun 08 đại diện thập phân chính xác, bạn đã giành được vấn đề này với lớp 07:>>> 7Một lợi ích khác của mô -đun 08 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 45 và 18:>>> 8Một lợi ích khác của mô -đun 08 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 45 và 18:Để thay đổi độ chính xác, bạn gọi 91 và đặt thuộc tính 20. Nếu đặt thuộc tính trên một cuộc gọi hàm có vẻ kỳ lạ với bạn, bạn có thể làm điều này bởi vì 21 trả về một đối tượng 92 đặc biệt đại diện cho bối cảnh nội bộ hiện tại chứa các tham số mặc định được sử dụng bởi mô -đun 08.Giá trị chính xác của 45 cộng với 18 là 26. 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 26 được tự động làm tròn thành 28.
Làm tròn và làm tròn về phía 0 Điều đầu tiên cần chú ý là sơ đồ đặt tên được sử dụng bởi mô -đun 08 khác với những gì chúng tôi đã đồng ý trước đó trong bài viết. Ví dụ, 33 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 36 hoạt động, vì vậy, hãy để xem xét từng người khác trong hành động.>>> 9Chiến lược 30 hoạt động giống như hàm 76 mà chúng tôi đã xác định trước đó:Lưu ý rằng kết quả của 30 không đối xứng xung quanh 0.>>> 0Chiến lược 31 hoạt động giống như hàm 05 của chúng tôi:Giống như 30, chiến lược 31 không đối xứng xung quanh 0.>>> 1Các chiến lược 32 và 33 có những cái tên lừa đảo có phần. Cả 50 và 51 đều đối xứng xung quanh 0:Chiến lược 32 làm tròn các số về 0, giống như hàm 11. Mặt khác, 33 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 08.>>> 2Có ba chiến lược trong mô -đun 08 cho phép làm tròn nhiều sắc thái hơn. Phương pháp 34 làm tròn mọi thứ theo số gần nhất và phá vỡ mối quan hệ bằng cách làm tròn từ số không:Lưu ý rằng 34 hoạt động giống như 55 của chúng tôi và không thích 70.>>> 3Ngoài ra còn có một chiến lược 35 phá vỡ mối quan hệ bằng cách làm tròn về 0:>>> 4Chiến lược làm tròn cuối cùng có sẵn trong mô -đun 08 rất khác với bất cứ điều gì chúng ta đã thấy cho đến nay:>>> 5Trong các ví dụ trên, có vẻ như 37 làm tròn mọi thứ về 0. Trên thực tế, đây chính xác là cách 37 hoạt động, trừ khi kết quả của việc làm tròn kết thúc trong một 28 hoặc 63. Trong trường hợp đó, số được làm tròn khỏi số không:Trong ví dụ đầu tiên, số 67 lần đầu tiên được làm tròn về 0 ở vị trí thập phân thứ hai, tạo ra 68. Vì 68 không kết thúc trong một 28 hoặc 63, nên nó được để lại như vậy. Mặt khác, 72 được làm tròn về 0 ở vị trí thập phân thứ hai, dẫn đến số 01. Điều này kết thúc trong một 63, vì vậy vị trí thập phân đầu tiên sau đó được làm tròn từ số 0 đến 7.Để biết thêm thông tin về 07, 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 79. 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: >>> 6Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.Để làm tròn tất cả các giá trị trong mảng 30, bạn có thể chuyển 30 làm đối số cho hàm 84. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng 3 tích hợp của Python.Ví dụ: các vòng sau tất cả các giá trị trong 30 đến ba số thập phân:>>> 7Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.Để làm tròn tất cả các giá trị trong mảng 30, bạn có thể chuyển 30 làm đối số cho hàm 84. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng 3 tích hợp của Python.Ví dụ: các vòng sau tất cả các giá trị trong 30 đến ba số thập phân:
98>>> 8Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.Để làm tròn tất cả các giá trị trong mảng 30, bạn có thể chuyển 30 làm đối số cho hàm 84. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng 3 tích hợp của Python.
84 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 3 là.>>> 9Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.>>> 0Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.>>> 1Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81. 2Để làm tròn tất cả các giá trị trong mảng 30, bạn có thể chuyển 30 làm đối số cho hàm 84. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng 3 tích hợp của Python.>>> 3Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.Để làm tròn tất cả các giá trị trong mảng 10116570130, bạn có thể chuyển 10116570130 làm đối số cho hàm 2.6750.26100.080.23122.14584. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa # không có tham số ndigits print(round(10))print(round(10.7))print(round(5.5))print(round(5.4))print(round(6.8))print(round(0.1))print(round(0.7))56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng >>> import random>>> random.seed(100)>>> for _ in range(1000000):... randn = random.uniform(-0.05, 0.05)... actual_value = actual_value + randn... truncated_value = truncate(truncated_value + randn)...>>> actual_value96.45273913513529>>> truncated_value0.2393 tích hợp của Python.Ví dụ: các vòng sau tất cả các giá trị trong 30 đến ba số thập phân:
Ví dụ: giá trị trong hàng thứ ba của cột đầu tiên trong mảng 30 là 91. 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 92. Nhưng bạn có thể thấy trong đầu ra từ 84 rằng giá trị được làm tròn thành 94. Tuy nhiên, giá trị 95 trong hàng đầu tiên của cột thứ hai chính xác là 96.>>> 4Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.>>> 5Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.>>> 6Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.>>> 7Xin 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 nhấtSự 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 muộnKhi 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 25 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 tệKhi 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! Những tình huống như thế này cũng có thể phát sinh khi bạn chuyển đổi một loại tiền khác. Năm 1999, Ủy ban các vấn đề kinh tế và tài chính của châu Âu đã mã hóa việc sử dụng một nửa vòng tròn từ chiến lược không có tiền tệ khi chuyển đổi tiền tệ sang đồng euro, nhưng các loại tiền tệ khác có thể đã áp dụng các quy định khác nhau. Một kịch bản khác, Vòng tròn Thụy Điển, xảy ra khi đơn vị tiền tệ tối thiểu ở cấp độ kế toán ở một quốc gia nhỏ hơn đơn vị tiền tệ vật lý thấp nhất. Ví dụ, nếu một tách cà phê có giá 2,54 đô la sau thuế, nhưng không có đồng xu 1 xu được lưu hành, bạn sẽ làm gì? Người mua đã giành chiến thắng có số tiền chính xác và người bán có thể thay đổi chính xác. Làm thế nào các tình huống như thế này được xử lý thường được xác định bởi một chính phủ quốc gia. Bạn có thể tìm thấy một danh sách các phương pháp làm tròn được sử dụng bởi các quốc gia khác nhau trên Wikipedia. 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:
|