Python中Round函数：怎么解释？怎么⽤？
本⽂分享⾃华为云社区《 》，原⽂作者：Yuchuan 。
Python中的舍⼊函数，返回浮点数，该浮点数是指定数字的舍⼊版本。本⽂将详细探讨这⼀概念。本⽂将介绍以下内容，
Python round()
Practical Application
Rounding NumPy Arrays
Rounding Pandas Series and DataFrame
Data Frame
那么，让我们开始吧，
Python中的舍⼊函数
round（x，n）⽅法将返回x的值，该值四舍五⼊到⼩数点后的n位数字。
例如：
round（7.6 + 8.7,1）
输出：
16.3
回合赋予此功能以提供最接近的价值
例如：
round（6.543231，2）
输出：
6.54
有时⽆法提供正确的输出
⽰例：
round（2.675，2）＃应该返回2.68，但不会返回
输出：
2.67
有时它给出正确的输出
例如：
round（8.875，2）
输出：
8.88
继续本⽂有关Python中的舍⼊函数的⽂章。
Python回合（）
python中的舍⼊函数将⼗进制值四舍五⼊为给定的位数，如果我们不提供n（即⼗进制后的位数），则会将数字四舍五⼊为最接近的整数。
如果其后的整数> = 5，则四舍五⼊为ceil；如果⼩数为<5，则四舍五⼊为整数。
没有第⼆个参数的round（）
#int
print(round(12))python怎么读的
#float
print(round(66.6))
print(round(45.5))
print(round(92.4))
输出：
12
67
46
92
现在，如果提供了第⼆个参数，则如果last_digit + 1> = 5，则最后⼀个⼗进制数字将增加1直⾄舍⼊后的值，否则它将与提供的相同。
带有第⼆个参数的round（）
# when last_digit+1 =5
print(round(3.775, 2))
# when last_digit+1 is >=5
print(round(3.776, 2))
# when if last_digit+1 is <5
print(round(3.773, 2))
输出：
3.77
3.78
3.77
继续本⽂有关Python中的舍⼊函数的⽂章。
实际应⽤：
四舍五⼊函数的⼀些应⽤是将数字四舍五⼊为有限的数字，例如，如果要将⼩数表⽰为⼩数，我们通常也将⼩数点后的数字设为2或3，以便可以精确地表⽰⼩数。
b=2/6
print(b)
print(round(b, 2))
输出：
0.3333333333333333
0.33
在这个数据科学和计算时代，我们通常将数据存储为Numpy数组或pandas数据框，其中舍⼊在准确计算操作⽅⾯起着⾮常重要的作⽤，类似于python中的round函数Numpy或Pandas接受两个参数数据和数字，即我们要四舍五⼊的数据以及⼗进制后必须四舍五⼊的位数，并将其应⽤于所有⾏和列。让我们看⼀些例⼦。
继续阅读有关Python：Round Function的⽂章。
舍⼊NumPy数组
要安装NumPy，您可以使⽤：
pip3 install numpy
除此之外，如果您正在使⽤Anaconda环境，它将已经安装，要舍⼊NumPy数组的所有值，我们会将数据作为参数传递给np.around（）函数。
现在，我们将创建⼀个3×4⼤⼩的NumPy数组，其中包含浮点数，如下所⽰：
import numpy as np
np.random.seed(444)
data = np.random.randn(3, 4)
print(data)
输出：
[[0.35743992 0.3775384 1.38233789 1.17554883]
[-0.9392757 -1.14315015 -0.54243951 -0.54870808]
[0.20851975 0.21268956 1.26802054 -0.80730293]]
例如，以下将数据中的所有值四舍五⼊到⼩数点后三位：
import numpy as np
np.random.seed(444)
data = np.random.randn(3, 4)
print(np.around(data, decimals=3))
输出：
[[0.357 0.378 1.382 1.176]
[-0.939 -1.143 -0.542 -0.549]
[0.209 0.213 1.268 -0.807]]
np.around（）可⽤于更正浮点错误。
我们可以在下⾯的⽰例中看到3×1的元素为0.20851975，您希望该值为0.208，但是将其四舍五⼊为0.209，还可以看到1×2的值正确舍⼊为0.378。
因此，如果需要将数据四舍五⼊为所需的形式，NumPy有很多⽅法：
numpy.floor（）
numpy.rint（）
打印（np.ceil（数据））
输出：
[[1. 1. 2. 2.]
[-0。-1。-0。-0。]
[1. 1. 2. -0。]]
要将每个值四舍五⼊为最接近的整数，请使⽤np.floor（）：
print(np.floor(data))
输出：
[[0. 0. 1. 1.]
[-1。-2。-1。-1。]
[0. 0. 1. -1。]]
您还可以使⽤np.trunc（）将每个值截断为其整数部分：
unc(data))
输出：
[[0. 0. 1. 1.]
[-0。-1。-0。-0。]
[0. 0. 1. -0。]]
最后，要使⽤“舍⼊⼀半到偶数”策略舍⼊到最接近的整数，请使⽤np.rint（）：
print(np.rint(data))
输出：
[[0. 0. 1. 1.]
[-1。-1。-1。-1。]
[0. 0. 1. -1。]]
继续阅读有关Python：Round Function的⽂章。
Rounding Pandas Series and DataFrame
Pandas是另⼀个供数据科学家使⽤的流⾏图书馆，⽤于分析数据。
与NumPy相似，我们可以使⽤以下命令安装该库：
pip3 install pandas
Pandas的两个主要数据结构是DataFrame和Series，DataFrame基本上就像数据库中的表，⽽Series是列。我们可以使⽤und（）和und（）对对象进⾏四舍五⼊。
import pandas as pd
import numpy as np
np.random.seed(444)
series = pd.Series(np.random.randn(4))
print(series)
输出：
0 0.357440
1 0.377538
2 1.382338
3 1.175549 dtype
：float64
print（und（2））
0 0.36
1 0.38
2 1.38
3 1.18
dtype：float64
继续阅读有关Python的⽂章：Round函数
数据框：
import pandas as pd
import numpy as np
np.random.seed(444)
df = pd.DataFrame(np.random.randn(3, 3), columns=["Column 1", "Column 2", "Column 3"])
print(df)
und(3))
输出：
第1列第2列第3
0 0.357440 0.377538 1.382338
1 1.175549 -0.939276 -1.143150
2 -0.542440 -0.548708 0.208520
第1列第2列3
0 0.357 0.378 1.382
1 1.176 -0.939 -1.143
2 -0.542 -0.549 0.209
对于DataFrame，我们可以为每列指定不同的精度，因此，round函数可以接受字典或Series，因此我们可以为不同的列提供不同的精度。
print（df.round（{“第1列”：1，“第2列”：2，“第3列”：3}））
输出：
第1列第2列3
0 0.4 0.38 1.382
1 1.
2 -0.94 -1.143
2 -0.5 -0.55 0.209
结束语
在本⽂中，我们介绍了什么是round函数以及如何从python内核中实现它。我们还介绍了舍⼊函数的⼀些缺点，以及如何纠正它们以及如何在数据科学中⼴泛使⽤的库中发挥作⽤。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。