Python 3中的四捨五入問題

Question

爲什麼以下四捨五入不是在Python 3個工作，但只有在Python 2？

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

你跟NumPy的工作的Python float對象float64對象，而不是。這有幾個後果：

1. 在Python 3中，float64對象是使用與NumPy的舍入代碼，而不是Python的四捨五入。對於float，Python的舍入代碼總是給出正確舍入的結果。 NumPy的舍入代碼沒有。 （在Python 2中，這是不可能來覆蓋自定義類型的round操作，所以當你圓一個float64對象在Python 2首先被轉換爲Python float，然後Python的舍入代碼是用來給一個float的結果。這是，你看到上面的原因）

2. 再次上的Python 3的Python 2和Python 3之間的差別，主要的原因，round在float64給出float64結果。在Python 2中，round一個float64對象上給出了一個float結果。

3. Python float對象有不同的repr，這會給出較愉快的輸出。特別是，Python的浮動repr保證雙向傳遞用於（不太大，不能太小）的十進制值與至多15個顯著數字：的0.58表示是'0.58'，例如。 NumPy的float64對象的表示沒有這個屬性：它只是打印出基於存儲的價值的最顯著17個十進制數字的結果。

所以，如果你在一輪之前float對象轉換你的價值觀到Python，你會看到更開心輸出（在某些情況下，結果可能會更一點點準確）。但請注意，僅僅因爲輸出看起來不錯，這並不意味着你得到的結果是確切的。這一切都不改變的事實，0.58是不精確表示作爲一個Python float（或實際上NumPy的float64，它使用相同的格式）。記住，用二進制浮點數，你看到的不是你得到的。

關於Python 3部分輸出例如：

>>> 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} 

Answer 2

似乎工作正常。請記住，round返回一個浮點數。

它四捨五入到兩位小數，但浮子固有inprecise（對於幾乎所有的數），因此輸出。