python中小數(shù)點后的位數(shù)問題
python中小數(shù)點后的位數(shù)
第一種方法
a = 8.8888
使用round 函數(shù)
b = round(a,2) # 保留小數(shù)點后兩位小數(shù),會四舍五入 b 就等于8.89
第二種方法
b= "%.2f"%a # 也會四舍五入
第三種方法
ret1 = Decimal("88.001").quantize(Decimal("0.00")) print(ret1) # 滿5進1的寫法 from decimal import Decimal, ROUND_HALF_UP res = Decimal(str(11.565)).quantize(Decimal("0.00"),ROUND_HALF_UP)
python小數(shù)點位數(shù)控制
利用python內(nèi)置的round()函數(shù)
round()如果只有一個數(shù)作為參數(shù),不指定位數(shù)的時候,返回的是一個整數(shù),而且是最靠近的整數(shù)
一般情況是使用四舍五入的規(guī)則,但是碰到舍入的后一位為5的情況,如果要取舍的位數(shù)前的數(shù)是偶數(shù),則直接舍棄,如果奇數(shù)這向上取舍
正常的取舍:
舍入的后一位為5的情況:
利用格式化方法
特殊情況需要注意的和 round 方法一樣
利用math模塊里ceil和floor方法
- math模塊的ceil(x):取大于或者等于x的最小整數(shù)
- math模塊的floor(x):取小于或者等于x的最大整數(shù)
超過17位的精度分析
python默認(rèn)的是17位精度,也就是小數(shù)點后16位,但是這里有一個問題,就是當(dāng)我們的計算需要使用更高的精度(超過16位小數(shù))的時候該怎么做呢?
高精度使用decimal模塊,配合getcontext
decimal 模塊默認(rèn)精度是17位,可以通過修改 getcontext().prec 修改精度的值
總結(jié)
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python數(shù)據(jù)分析之?Matplotlib?餅圖繪制
這篇文章主要介紹了Python數(shù)據(jù)分析之?Matplotlib?餅圖繪制,文章基于python的相關(guān)資料展開詳細(xì)的餅圖繪制,具有一定的參考價值,需要的小伙伴可以參考一下2022-05-05Python實現(xiàn)遍歷數(shù)據(jù)庫并獲取key的值
本文給大家分享的是Python實現(xiàn)遍歷數(shù)據(jù)庫并獲取key的值的方法,主要是使用for循環(huán)來實現(xiàn),有需要的小伙伴可以參考下。2015-05-05python之plt.hist函數(shù)的輸入?yún)?shù)和返回值的用法解釋
這篇文章主要介紹了python之plt.hist函數(shù)的輸入?yún)?shù)和返回值的用法解釋,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-10-10python連接kafka加載數(shù)據(jù)的項目實踐
本文主要介紹了python連接kafka加載數(shù)據(jù)的項目實踐,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-05-05Python+OpenCV 圖像邊緣檢測四種實現(xiàn)方法
本文主要介紹了通過OpenCV中Sobel算子、Schaar算子、Laplacian算子以及Canny分別實現(xiàn)圖像邊緣檢測并總結(jié)了四者的優(yōu)缺點,感興趣的同學(xué)可以參考一下2021-11-11python,pycharm的環(huán)境變量設(shè)置方式
這篇文章主要介紹了python,pycharm的環(huán)境變量設(shè)置方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-01-01