Python3舍入问题

Question

为什么下面的舍入在 python 3 中不起作用，而只在 python 2 中起作用？

random_nums = np.array([-1, 0, 1, 2, 3])
probabilities = np.array([0.01, 0.3, 0.58, 0.1, 0.01])
target = dict(zip(random_nums, probabilities))
target = {k: round(v, 2) for k, v in target.items()}

out:
{-1: 0.01,
 0: 0.29999999999999999,
 1: 0.57999999999999996,
 2: 0.10000000000000001,
 3: 0.01}

Answer 1

似乎工作正常。请记住，round returns 一个浮点数。

它四舍五入到两位小数，但浮点数本质上是不精确的（对于几乎所有数字），因此输出。

Answer 2

您正在使用 NumPy float64 对象而不是 Python float 对象。这会产生一些后果：

在 Python 3 上，float64 对象使用 NumPy 的舍入代码而不是 Python 进行舍入。 Python 对 float 的舍入代码总是给出正确舍入的结果。 NumPy 的舍入代码没有。（在 Python 2 上，无法覆盖自定义类型的 round 操作，因此当您在 Python 2 中舍入 float64 对象时，它首先会转换为 Python float，然后 Python 的舍入代码用于给出 float 结果。这是您看到 [=57= 之间差异的主要原因] 2 和 Python 3.)
再次在 Python 3 上，由于上述原因，round 在 float64 上给出了 float64 结果。在 Python 2 上，round 在 float64 对象上给出了 float 结果。
Python float 对象具有不同的 repr，这将提供更令人愉快的输出。特别是，Python 的 float repr 保证了最多 15 位有效数字的十进制值的往返（不是太大，也不是太小）：0.58 的表示是 '0.58'，例如。 NumPy float64 对象的表示没有这个属性：它只是根据存储值的最高 17 位十进制数字打印出结果。

因此，如果您在回合前将您的值转换为 Python float 个对象，您会看到更令人愉快的输出（在某些情况下，结果可能更准确一点）。但请注意，仅仅因为输出看起来不错，并不意味着您得到的结果就是准确的。 None 这改变了 0.58 是 而不是 可以精确表示为 Python float （或者实际上是 NumPy float64，它使用相同的格式）。请记住，对于二进制浮点数，所见即所得。

Python3 上的一些示例输出：

>>> random_nums = np.array([-1, 0, 1, 2, 3])
>>> probabilities = np.array([0.01, 0.3, 0.58, 0.1, 0.01])
>>> target = dict(zip(random_nums, probabilities))
>>> {k: round(v, 2) for k, v in target.items()}
{0: 0.29999999999999999, 1: 0.57999999999999996, 2: 0.10000000000000001, 3: 0.01, -1: 0.01}
>>> {k: round(float(v), 2) for k, v in target.items()}
{0: 0.3, 1: 0.58, 2: 0.1, 3: 0.01, -1: 0.01}

Python3舍入问题

Python 3 rounding issue

rounding

python-3.x