Question

我想我知道关于十进制表示形式的概念以及诸如this，this和this之类的相关问题以及建议的documentation。 / p>

仍然令我惊讶的是，在Python3中，round()有时返回一个整数（根据documentation），有时还会返回一个浮点数（对我），取决于其 first 参数的类型的显着差异。

我了解到，例如floor()或ceil() 总是返回浮点数，当然我发现round(x, digits)返回整数或浮点数是合理的取决于是否指定了第二个参数digits，甚至存在round的不同实现（例如builtin和numpy）。

具体来说，以下代码显示了float32和numpy.float32使round()返回不同的类型：

    >>> x=101/100
    >>> x
    1.01
    >>> import numpy as np
    >>> nx=np.float32(x)
    >>> nx
    1.01
    >>> round(x)
    1
    >>> round(nx)
    1.0

出于好奇，我得到了x值作为Keras中分类模型的预测，并且需要通过四舍五入到最接近的整数来从中获取索引，以从中选择正确的标签字符串列表。

并且在StackOverflow / Stackexchange中进行搜索并没有显示此问题已得到处理。请给我一个有用的链接，以防万一。

更具体地说，我从神经网络分类器中获得了预测值，即接近0或1的数字或另一个整数，并希望将其用作索引以打印与预测相关的正确标签（这几乎是基本需求）。

解决方案非常简单，尽管很丑陋：int(round(x))（也介绍了here）；但我仍然认为这是解决不良行为的一种解决方法。

我知道为什么会这样工作问题不被理解，所以让我们问什么是从{中获取整数和标签的正确方法{1}}的价值，希望有人也能揭示此... ehm ...功能背后的有趣原理。

Answer 1

round委托给对象的__round__方法。

In [367]: x = 123.34
In [368]: x.__round__()
Out[368]: 123
In [369]: np.float64(x).__round__()
Out[369]: 123.0

显然，此numpy回合返回匹配的类型

In [376]: type(np.float(x).__round__())
Out[376]: int
In [377]: type(np.float32(x).__round__())
Out[377]: numpy.float32
In [378]: type(np.float64(x).__round__())
Out[378]: numpy.float64
In [379]: type(np.int32(x).__round__())
Out[379]: numpy.int32

因此，如果int(round(x))是numpy浮点数之一，那么x可能是确保整数的最干净的方法。

Python3，round（）类型不一致。舍入浮点值以索引列表或数组的正确方法

1 个答案: