numpy.round#

numpy.round(a, decimals=0, out=None)[source]#

均匀舍入到给定的十进制位数。

参数：
aarray_like

输入数据。

decimalsint, 可选

要舍入到的十进制位数（默认值：0）。如果 decimals 为负数，则指定小数点左侧的位置数。

outndarray, 可选

放置结果的备用输出数组。它必须与预期输出具有相同的形状，但如果需要，输出值的类型将被强制转换。有关详细信息，请参见输出类型确定。

返回：
rounded_arrayndarray

一个与a类型相同的数组，包含舍入后的值。除非指定了out，否则将创建一个新数组。返回对结果的引用。

复数的实部和虚部分别舍入。浮点数舍入的结果是浮点数。

参见

ndarray.round

等效方法

around

此函数的别名

ceil, fix, floor, rint, trunc

注释

对于正好位于舍入十进制值之间的值，NumPy 将舍入到最接近的偶数值。因此 1.5 和 2.5 舍入到 2.0，-0.5 和 0.5 舍入到 0.0，等等。

np.round 使用快速但有时不精确的算法来舍入浮点数据类型。对于正decimals，它等效于np.true_divide(np.rint(a * 10**decimals), 10**decimals)，由于 IEEE 浮点标准[1]中十进制分数的表示不精确以及按十的幂缩放时引入的误差而产生误差。例如，请注意以下内容中的额外“1”

>>> np.round(56294995342131.5, 3)
56294995342131.51

如果你的目标是以固定的十进制位数打印这些值，最好使用 NumPy 的浮点数打印例程来限制打印的十进制位数。

>>> np.format_float_positional(56294995342131.5, precision=3)
'56294995342131.5'

浮点数打印例程使用精确但计算量大得多的算法来计算小数点后的位数。

或者，Python 的内置round函数对 64 位浮点数使用更精确但更慢的算法。

>>> round(56294995342131.5, 3)
56294995342131.5
>>> np.round(16.055, 2), round(16.055, 2)  # equals 16.0549999999999997
(16.06, 16.05)

参考文献

[1]

“IEEE 754 状态讲义”，William Kahan，https://people.eecs.berkeley.edu/~wkahan/ieee754status/IEEE754.PDF

示例

>>> import numpy as np
>>> np.round([0.37, 1.64])
array([0., 2.])
>>> np.round([0.37, 1.64], decimals=1)
array([0.4, 1.6])
>>> np.round([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([0., 2., 2., 4., 4.])
>>> np.round([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1,  2,  3, 11])
>>> np.round([1,2,3,11], decimals=-1)
array([ 0,  0,  0, 10])
本页内容