Question

我已经看过许多问题，询问如何检查浮点数是否为整数。大多数答案似乎建议使用is_integer()：

(1.0).is_integer()
(1.55).is_integer()

我偶尔也会看到math.floor()被使用：

import math
1.0 == math.floor(1.0)
1.55 == math.floor(1.55)

我想知道为什么% 1很少被使用或推荐？

1.0 % 1 == 0
1.55 % 1 == 0

为此目的使用modulo是否有问题？是否存在这种无法捕获的边缘情况？真正大数字的性能问题？

如果% 1是一个很好的选择，那么我也想知道为什么is_integer()被引入标准库？

似乎%更灵活。例如，通常使用% 2检查数字是奇数/偶数，还是使用% n来检查某些内容是否是n的倍数。鉴于这种灵活性，为什么要引入一个新方法（is_integer）来做同样的事情，或者使用math.floor，这两个方法都需要知道/记住它们存在并知道如何使用它们？我知道math.floor除了整数检查之外还有其他用途，但仍然......

Answer 1

一个明显的原因是：可读性

如果名为is_integer()的函数返回True，那么您所测试的内容就很明显了。

但是，使用模数解决方案时，必须仔细考虑该过程才能看到它实际上是在测试浮点数是否为整数。如果你将模数形式包装在一个具有明显名称的函数中，例如simon_says_its_an_integer()，我认为它一样好（除了不必要地引入已有的函数）。

Answer 2

所有这些都是有效的。 math.floor选项要求特定值与floor函数的结果完全匹配。如果要将其封装在通用方法中，这不是很方便。所以它归结为第一个和第三个选项。两者都有效，并将完成这项工作。所以关键的区别很简单 - 性能：

from timeit import Timer

def with_isint(num):
    return num.is_integer()
def with_mod(num):
    return num % 1 == 0

Timer(lambda: with_isint(10.0)).timeit(number=10000000)
#output: 2.0617980659008026
Timer(lambda: with_mod(10.0)).timeit(number=10000000)
#output: 2.6560597440693527

当然，这是一个简单的操作，因此您需要进行大量调用才能看到相当大的差异，正如您在示例中所看到的那样。

检查float是否为整数：is_integer（）与modulo 1

2 个答案: