numpy.round #

麻木的。round ( a ,小数= 0 , out = None ) [来源] #

均匀舍入到给定的小数位数。

参数
类似数组

输入数据。

小数int,可选

要舍入的小数位数(默认值:0)。如果小数为负数,则指定小数点左侧的位数。

输出ndarray,可选

用于放置结果的替代输出数组。它必须具有与预期输出相同的形状,但如果需要,将转换输出值的类型。有关更多详细信息,请参阅输出类型确定。

返回
rounded_array ndarray

与a类型相同的数组,包含舍入值。除非指定了out,否则将创建一个新数组。返回对结果的引用。

复数的实部和虚部分别进行舍入。对浮点数进行舍入的结果是浮点数。

也可以看看

ndarray.round

等效方法

around

该函数的别名

ceil, fix, floor, rint,trunc

笔记

对于恰好位于舍入十进制值中间的值,NumPy 舍入到最接近的偶数值。因此,1.5 和 2.5 舍入为 2.0,-0.5 和 0.5 舍入为 0.0,等等。

np.round使用快速但有时不精确的算法来舍入浮点数据类型。对于正小数,它相当于 ,由于 IEEE 浮点标准[1]中小数部分的不精确表示以及按 10 次幂缩放时引入的错误,它会产生误差。例如,请注意以下内容中的额外“1”:np.true_divide(np.rint(a * 10**decimals), 10**decimals)

>>> np.round(56294995342131.5, 3)
56294995342131.51

如果您的目标是打印具有固定小数位数的值,最好使用 numpy 的浮点打印例程来限制打印的小数位数:

>>> np.format_float_positional(56294995342131.5, precision=3)
'56294995342131.5'

浮点打印例程使用精确但计算要求更高的算法来计算小数点后的位数。

或者,Python 的内置round函数对 64 位浮点值使用更准确但速度更慢的算法:

>>> round(56294995342131.5, 3)
56294995342131.5
>>> np.round(16.055, 2), round(16.055, 2)  # equals 16.0549999999999997
(16.06, 16.05)

参考

[ 1 ]

“IEEE 754 现状讲座笔记”,William Kahan, https://people.eecs.berkeley.edu/~wkahan/ieee754status/IEEE754.PDF

例子

>>> np.round([0.37, 1.64])
array([0., 2.])
>>> np.round([0.37, 1.64], decimals=1)
array([0.4, 1.6])
>>> np.round([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([0., 2., 2., 4., 4.])
>>> np.round([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1,  2,  3, 11])
>>> np.round([1,2,3,11], decimals=-1)
array([ 0,  0,  0, 10])