做网站ps图片都是多大,北京网站手机站建设公司吗,四川建设厅网站打不开,广州有什么好玩的东西25_NumPy数组np.round将ndarray舍入为偶数
使用 np.round() 将 NumPy 数组 ndarray 的元素值舍入为任意位数。请注意#xff0c;0.5 由于舍入到偶数而不是一般舍入而舍入为 0.0。
本文介绍了一般舍入的实现示例。
如何使用 np.round() 基本用法指定要舍入的位数#xff1a…25_NumPy数组np.round将ndarray舍入为偶数
使用 np.round() 将 NumPy 数组 ndarray 的元素值舍入为任意位数。请注意0.5 由于舍入到偶数而不是一般舍入而舍入为 0.0。
本文介绍了一般舍入的实现示例。
如何使用 np.round() 基本用法指定要舍入的位数参数decimals np.round() 舍入为偶数np.round() 和 Python 内置函数 round() 的区别np.around() 和 ndarray 的 round() 方法四舍五入的实现示例np.rint() 四舍五入为整数
如何使用 np.round()
基本用法
np.round() 返回一个 ndarray该 ndarray 对指定 ndarray 的每个元素进行四舍五入。默认情况下数字四舍五入到小数点后 0 位。
a np.array([12.3, 45.6, 78.9])print(np.round(a))
# [12. 46. 79.]print(np.round(a).dtype)
# float64返回与原始类型相同的 ndarray。如上例所示如果源是浮点数 float则即使小数点右侧的位数为 0也会返回浮点数 float 的 ndarray。
print(np.round(a).astype(int))
# [12 46 79]print(a.astype(int))
# [12 45 78]也可以指定列表等类似数组的对象但返回值是ndarray。
l [12.3, 45.6, 78.9]print(np.round(l))
# [12. 46. 79.]print(type(np.round(l)))
# class numpy.ndarray还可以指定标量值。
print(np.round(12.3))
# 12.0指定要舍入的位数参数decimals
指定要舍入为第二个参数小数中的整数值的位数。默认为小数0。 指定正整数指定小数点后的位数指定负整数指定整数的位数位数。 -1 四舍五入到十位-2 四舍五入到百位。
print(np.round(123.456))
# 123.0print(np.round(123.456, 2))
# 123.46print(np.round(123.456, -2))
# 100.0对于整数 int如果为小数参数指定负值它将四舍五入到所需的数字。如果指定 0 或正值则不会发生任何变化。如果源是整型 int则返回值也是整型 int。
print(np.round(123456))
# 123456print(np.round(123456, 2))
# 123456print(np.round(123456, -2))
# 123500a np.array([12345, 67890])print(np.round(a, -3))
# [12000 68000]print(np.round(a, -3).dtype)
# int64np.round() 舍入为偶数
使用 np.round() 进行舍入不是一般舍入而是舍入到偶数。 0.5 舍入为 0.02.5 舍入为 2.0等等。
print(np.round([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5]))
# [-4. -2. -2. -0. 0. 2. 2. 4.]print(np.round([-350, -250, -150, -50, 50, 150, 250, 350], -2))
# [-400 -200 -200 0 0 200 200 400]当分数恰好为 0.5 时会舍入为偶数因此例如2.5 将舍入为 2.0但 2.51 将舍入为 3.0。
print(np.round([2.49, 2.5, 2.51]))
# [2. 2. 3.]print(np.round([249, 250, 251], -2))
# [200 200 300]np.round() 和 Python 内置函数 round() 的区别
还可以使用Python的内置函数round()对值进行舍入。 np.round() 和 round() 都四舍五入为偶数并且使用方式相同例如指定要四舍五入的位数作为参数但结果可能会根据值的不同而有所不同。
print(np.round(0.15, 1))
# 0.2print(round(0.15, 1))
# 0.1引用中的 np.true_divide() 是一个相当于 / 运算符的函数。 np.rint() 稍后会解释。 如果你通过增加显示位数来检查浮点数0.15实际上是0.14999…如果你准确地处理浮点数四舍五入到0.1是正确的。
print(f{0.15:.20})
# 0.14999999999999999445官方文档中还列出了其他示例。
print(np.round(56294995342131.5, 3))
# 56294995342131.51print(round(56294995342131.5, 3))
# 56294995342131.5np.around() 和 ndarray 的 round() 方法
np.around() 被定义为 np.round() 的别名。用法是一样的。
a np.array([12.3, 45.6, 78.9])print(np.around(a))
# [12. 46. 79.]print(np.around(a, -1))
# [10. 50. 80.]另外round() 被定义为 ndarray 的方法。
print(a.round())
# [12. 46. 79.]print(a.round(-1))
# [10. 50. 80.]四舍五入的实现示例
下面显示了实现一般舍入的函数的示例。 参数小数可以像 np.round() 一样指定。对齐位数后加上 0.5使用 np.floor() 将小数点四舍五入四舍五入到负无穷大并返回位数。
def my_round(x, decimals0):return np.floor(x * 10**decimals 0.5) / 10**decimalsa np.array([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5])print(np.round(a))
# [-4. -2. -2. -0. 0. 2. 2. 4.]print(my_round(a))
# [-3. -2. -1. 0. 1. 2. 3. 4.]print(a / 10)
# [-0.35 -0.25 -0.15 -0.05 0.05 0.15 0.25 0.35]print(np.round(a / 10, 1))
# [-0.4 -0.2 -0.2 -0. 0. 0.2 0.2 0.4]print(my_round(a / 10, 1))
# [-0.3 -0.2 -0.1 0. 0.1 0.2 0.3 0.4]在上面的函数中-0.5 变为 0.0。如果要将 -0.5 更改为 -1.0请执行以下操作。使用 np.abs() 计算绝对值并使用 np.sign() 返回原始符号。
def my_round2(x, decimals0):return np.sign(x) * np.floor(np.abs(x) * 10**decimals 0.5) / 10**decimalsprint(a)
# [-3.5 -2.5 -1.5 -0.5 0.5 1.5 2.5 3.5]print(my_round(a))
# [-3. -2. -1. 0. 1. 2. 3. 4.]print(my_round2(a))
# [-4. -3. -2. -1. 1. 2. 3. 4.]print(a / 10)
# [-0.35 -0.25 -0.15 -0.05 0.05 0.15 0.25 0.35]print(my_round(a / 10, 1))
# [-0.3 -0.2 -0.1 0. 0.1 0.2 0.3 0.4]print(my_round2(a / 10, 1))
# [-0.4 -0.3 -0.2 -0.1 0.1 0.2 0.3 0.4]np.rint() 四舍五入为整数
还提供 np.rint() 来舍入为整数。处理相当于 np.round()decimals 0。
可以指定类似数组的对象例如 ndarrays 和列表以及标量值。
a np.array([12.3, 45.6, 78.9])print(np.rint(a))
# [12. 46. 79.]l [12.3, 45.6, 78.9]print(np.rint(l))
# [12. 46. 79.]print(np.rint(12.3))
# 12.0虽然叫rint但并没有转换为整数int而是返回一个与原始类型相同类型的ndarray。
print(np.rint(a).dtype)
# float64与 np.round() 一样四舍五入到偶数而不是一般四舍五入。
print(np.rint([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5]))
# [-4. -2. -2. -0. 0. 2. 2. 4.]
