向上取整
定义:大于或等于 x 的最大整数 math.ceil(x)
向上取整运算为Ceiling,用数学符号⌈⌉表示
1 | import math |
向下取整
定义:小于或等于 x 的最大整数 math.floor(x)
向上取整运算为Floor,用数学符号⌊⌋表示
1 | # python中向下取整函数 |
其实反斜杠//
也能实现向下取整:
1 | 1//5 |
但是在某些情况下//
和math.floor(x)
的实现结果又不一样:
1 | 1/0.05) math.floor( |
还是因为浮点数在计算机中存储值并不是0.05而是0.05…125,详解:为什么Python中//和math.floor运算结果会不同。
取整数部分
向0取整:x为负数时向上取整,x为正数时向下取整。
python中可用int(x)
实现,也可以用math.modf(x)
返回一个包含小数部分和整数部分的元组。
1 | # int(负数) 可能在某些程序语言之间有区别,注意一下 |
有人可能会对math.modf(-2.36)
结果感到好奇,按理说它应该返回(0.36, 2.00)才对。这里涉及到了另一个问题,即浮点数在计算机中的表示,目前,在计算机中是无法精确的表示小数的。
最后一个例子中输出结果只是0.36在计算中的近似表示。
Python和C一样, 采用IEEE 754规范来存储浮点数,更详细解释,可以参考知乎话题:
为什么0.1+0.2=0.30000000000000004而1.1+2.2=3.3000000000000003
四舍五入
从官方文档得知,Python中round(x)
采用银行进位法而非传统的四舍五入。
1 | 2.3) #四舍五入 round( |
银行进位法(奇进偶舍):是一种计数保留法,从统计学的角度,“奇进偶舍”比“四舍五入”更为精确。
“奇进偶舍”使测量结果受到舍入误差的影响降到最低:
① 银行进位法在大量运算时,因为舍入后的结果有的变大,有的变小,误差均值趋于零。
② 四舍五入逢五进位,大量运算时结果偏大,误差产生积累进而产生系统误差。
银行进位规则:
① 如果保留数最后一位不等于5,则执行四舍五入,例如round(5.234, 2)=5.23
round(5.236, 2)=5.24
② 如果保留数最后一位等于5,则取决于5的位置和状态:⑴ 如果5后有数,不论奇偶都要进位,例如round(5.2354, 2)=5.24
;⑵ 如果5后没有数,则需要看5的前一位奇偶性,奇进偶舍,例如round(5.235, 2=5.24)
,round(5.225, 2)
但是!注意!:
1 | >>> round(5.245, 2) |
内心中一片乌鸦飞过,说好的奇进偶舍呢???其实我内心也是奔溃的,继续找答案:
我们都知道,计算机所存储的浮点数并不是表面这么简单,他并不是一个精确值,可以用decimal模块的Decimal对象,将float数据映射为底层的更精确的表示。:
1 | from decimal import * |
round还是那个round,过错就在于float对象“眼见而非实”上,那到底如何实现真正意义四舍五入呢??
decimal模块是Python的一个标准库,是专门为十进制小数的精确计算而设计的,使用decimal模块的接口,可以实现小数精确的四舍五入,具体不多做展开了,可以参考官方文档…
1 | # decimal实现小数的精确的四舍五入 |
quantize()
为成员函数,第1个参数指定了精度,第2个参数ROUND_HALF_UP
,指定了截取的方式为四舍五入!注意decimal返回的是字符串。
一路写下来,结论就是float心机好深,操作真的要小心点…