Question

为什么下面的舍入在python 3中不起作用，只在python 2中起作用？

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

您正在使用NumPy float64个对象而不是Python float个对象。这有一些后果：

在Python 3中，float64个对象使用NumPy的舍入代码而不是Python来舍入。 Python float的舍入代码总是给出正确的舍入结果。 NumPy的舍入代码没有。（在Python 2中，它不可能覆盖自定义类型的round操作，因此当您在Python 2中对float64对象进行舍入时，它首先会转换为Python {{1}然后，Python的舍入代码用于给出float结果。这是您在Python 2和Python 3之间看到差异的主要原因。）
< / LI>
再次在Python 3上，由于上述原因，float上的round会产生float64结果。在Python 2上，float64对象上的round会产生float64结果。
Python float对象具有不同的float，这将提供愉快的输出。特别是，Python的repr保证往返（不是太大，不是太小）十进制值，最多15个有效数字：repr的表示为0.58，例如。 NumPy '0.58'对象的表示没有此属性：它只是根据存储值的最重要的17位小数打印出结果。

因此，如果您在回合之前将值转换为Python float64对象，您将看到pleasanter输出（在某些情况下，结果可能会更准确一些）。但请注意，仅仅因为输出看起来不错，这并不意味着您获得的结果是准确的。这些都不会改变float 不能完全代表Python 0.58（或实际上使用相同格式的NumPy float）这一事实。请记住，使用二进制浮点，所见即所得。

Python 3上的一些示例输出：

float64

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，但浮点数本身就是精确的（对于几乎所有的数字），因此输出。

Python 3舍入问题

2 个答案: