Python 3中的四舍五入问题

Question

为什么以下四舍五入不是在Python 3个工作，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对象float64对象，而不是。这有几个后果：

1. 在Python 3中，float64对象是使用与NumPy的舍入代码，而不是Python的四舍五入。对于float，Python的舍入代码总是给出正确舍入的结果。 NumPy的舍入代码没有。 （在Python 2中，这是不可能来覆盖自定义类型的round操作，所以当你圆一个float64对象在Python 2首先被转换为Python float，然后Python的舍入代码是用来给一个float的结果。这是，你看到上面的原因）

2. 再次上的Python 3的Python 2和Python 3之间的差别，主要的原因，round在float64给出float64结果。在Python 2中，round一个float64对象上给出了一个float结果。

3. Python float对象有不同的repr，这会给出较愉快的输出。特别是，Python的浮动repr保证双向传递用于（不太大，不能太小）的十进制值与至多15个显著数字：的0.58表示是'0.58'，例如。 NumPy的float64对象的表示没有这个属性：它只是打印出基于存储的价值的最显著17个十进制数字的结果。

所以，如果你在一轮之前float对象转换你的价值观到Python，你会看到更开心输出（在某些情况下，结果可能会更一点点准确）。但请注意，仅仅因为输出看起来不错，这并不意味着你得到的结果是确切的。这一切都不改变的事实，0.58是不精确表示作为一个Python float（或实际上NumPy的float64，它使用相同的格式）。记住，用二进制浮点数，你看到的不是你得到的。

关于Python 3部分输出例如：

>>> 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。请记住，round返回一个浮点数。

它四舍五入到两位小数，但浮子固有inprecise（对于几乎所有的数），因此输出。