search

Hướng dẫn how do you round to the nearest 1000 in python? - làm thế nào để bạn làm tròn đến 1000 gần nhất trong python?

Ngày đăng: 24/10/2022
Trả lời: 0
Lượt xem: 82

Danh sách hiểu là một vòng lặp một dòng cho phép bạn áp dụng một chức năng cho các mục danh sách. (để biết thêm về toàn bộ danh sách danh sách)

Show
[x for x in rev_list]

Trong trường hợp này, vòng (num, -3) là hàm.

>>> round(1300,-3)
1000
>>>

Câu trả lời

Bạn có thể áp dụng một chức năng trong danh sách theo mã này

rev_list=[round(x,-3) for x in rev_list]

Ví dụ:

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>

Đó là kỷ nguyên của dữ liệu lớn và mỗi ngày ngày càng có nhiều doanh nghiệp cố gắng tận dụng dữ liệu của họ để đưa ra quyết định sáng suốt. Nhiều doanh nghiệp đang chuyển sang hệ sinh thái khoa học dữ liệu mạnh mẽ của Python, để phân tích dữ liệu của họ, bằng chứng là sự phổ biến ngày càng tăng của Python trong lĩnh vực khoa học dữ liệu.

Một điều mà mọi người thực hành khoa học dữ liệu phải ghi nhớ là làm thế nào một bộ dữ liệu có thể bị sai lệch. Rút ra kết luận từ dữ liệu thiên vị có thể dẫn đến những sai lầm tốn kém.

Có nhiều cách thiên vị có thể leo vào một bộ dữ liệu. Nếu bạn đã nghiên cứu một số số liệu thống kê, bạn có thể quen thuộc với các thuật ngữ như báo cáo sai lệch, sai lệch lựa chọn và thiên vị lấy mẫu. Có một loại thiên vị khác đóng vai trò quan trọng khi bạn đang xử lý dữ liệu số: Xu hướng làm tròn.

Trong bài viết này, bạn sẽ học:

  • Tại sao cách bạn số tròn lại quan trọng
  • Cách làm tròn một số theo các chiến lược làm tròn khác nhau và cách thực hiện từng phương pháp trong Python thuần túy
  • Làm thế nào làm tròn ảnh hưởng đến dữ liệu và chiến lược làm tròn nào giảm thiểu hiệu ứng này
  • Cách làm tròn các số trong các mảng numpy và gấu trúc DataFrames
  • Khi nào nên áp dụng các chiến lược làm tròn khác nhau

Bài viết này không phải là một chuyên luận về độ chính xác số trong điện toán, mặc dù chúng tôi sẽ liên lạc ngắn gọn về chủ đề này. Chỉ có sự quen thuộc với các nguyên tắc cơ bản của Python là cần thiết, và toán học liên quan ở đây sẽ cảm thấy thoải mái cho bất kỳ ai quen thuộc với tương đương với đại số trung học.

Hãy bắt đầu bằng cách nhìn vào cơ chế làm tròn tích hợp Python.

Chức năng >>> import random >>> random.seed(100) >>> for _ in range(1000000): ... randn = random.uniform(-0.05, 0.05) ... actual_value = actual_value + randn ... truncated_value = truncate(truncated_value + randn) ... >>> actual_value 96.45273913513529 >>> truncated_value 0.239 7 tích hợp của Python

Python có hàm 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp có hai đối số số, 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 và 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
0 và trả về số 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 được làm tròn thành 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
0. Đối số 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
0 mặc định là 0, do đó, để lại kết quả trong một số được làm tròn cho một số nguyên. Như bạn thấy, 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 có thể không hoạt động như bạn mong đợi.

Cách mà hầu hết mọi người được dạy để làm tròn một số đi một cái gì đó như thế này:

Làm tròn số 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 đến 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
6 vị trí thập phân bằng cách lần đầu tiên chuyển điểm thập phân trong 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
6 vị trí bằng cách nhân 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 10ᵖ (10 được nâng lên công suất 
>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
6) để có được số mới 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
1.

Sau đó nhìn vào chữ số 

def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
2 ở vị trí thập phân đầu tiên của 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
1. Nếu 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
2 nhỏ hơn 5, vòng 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
1 xuống số nguyên gần nhất. Nếu không, vòng 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
1 lên.

Cuối cùng, thay đổi điểm thập phân trở lại 

>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258
6 vị trí bằng cách chia 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
1 cho 10ᵖ.

Nó là một thuật toán đơn giản! Ví dụ: số 

def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
9 được làm tròn đến số toàn bộ gần nhất là 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
0. Số 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
1 được làm tròn đến một vị trí thập phân là 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
2.

Bây giờ hãy mở một phiên thông dịch viên và vòng 

def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
9 cho toàn bộ số gần nhất bằng cách sử dụng chức năng 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp của Python,: Chức năng:

Gasp!

Làm thế nào để 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 xử lý số 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
6?

Vì vậy, 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 vòng 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
6 lên đến 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9 và 
def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier
9 xuống 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9!

Trước khi bạn đưa ra một vấn đề trên trình theo dõi lỗi Python, hãy để tôi đảm bảo với bạn rằng 

>>> round(1300,-3)
1000
>>>
02 được cho là sẽ trả lại 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9. Có một lý do chính đáng tại sao 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 hành xử theo cách nó làm.

Trong bài viết này, bạn sẽ học được rằng có nhiều cách để làm tròn một con số hơn bạn có thể mong đợi, mỗi cách có những ưu điểm và nhược điểm độc đáo. 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 hành xử theo một chiến lược làm tròn cụ thể mà có thể hoặc không thể là người bạn cần cho một tình huống nhất định.

Bạn có thể tự hỏi, có thể cách mà tôi có thể có những con số thực sự có nhiều tác động? Hãy cùng xem xét về việc các tác động của làm tròn có thể đến mức nào.

Bao nhiêu tác động có thể làm tròn có?

Giả sử bạn có một ngày vô cùng may mắn và tìm thấy 100 đô la trên mặt đất. Thay vì chi tiêu tất cả tiền của bạn cùng một lúc, bạn quyết định chơi thông minh và đầu tư tiền của bạn bằng cách mua một số cổ phiếu của các cổ phiếu khác nhau.

Giá trị của một cổ phiếu phụ thuộc vào cung và cầu. Càng nhiều người muốn mua một cổ phiếu, càng có nhiều giá trị mà cổ phiếu có và ngược lại. Trong thị trường chứng khoán khối lượng lớn, giá trị của một cổ phiếu cụ thể có thể dao động trên cơ sở thứ hai.

Hãy để chạy một thí nghiệm nhỏ. Chúng tôi sẽ giả vờ giá trị tổng thể của các cổ phiếu bạn đã mua dao động theo một số ngẫu nhiên nhỏ mỗi giây, giả sử từ 0,05 đến -0,05 đô la. Biến động này có thể không nhất thiết là một giá trị tốt đẹp chỉ với hai vị trí thập phân. Ví dụ: giá trị tổng thể có thể tăng thêm 0,031286 một giây và giảm giây tiếp theo bằng 0,028476.

Bạn không muốn theo dõi giá trị của mình đến vị trí thập phân thứ năm hoặc thứ sáu, vì vậy bạn quyết định cắt giảm mọi thứ sau vị trí thập phân thứ ba. Trong biệt ngữ làm tròn, điều này được gọi là cắt số đến vị trí thập phân thứ ba. Có một số lỗi được mong đợi ở đây, nhưng bằng cách giữ ba vị trí thập phân, lỗi này không thể là đáng kể. Đúng?truncating the number to the third decimal place. There’s some error to be expected here, but by keeping three decimal places, this error couldn’t be substantial. Right?

Để chạy thử nghiệm của chúng tôi bằng Python, hãy để bắt đầu bằng cách viết hàm 

>>> round(1300,-3)
1000
>>>
06 cắt ngắn một số xuống còn ba số thập phân:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000

Hàm 

>>> round(1300,-3)
1000
>>>
06 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 ba vị trí bên phải bằng cách nhân 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 
>>> round(1300,-3)
1000
>>>
10. Phần số nguyên của số mới này được thực hiện với 
>>> round(1300,-3)
1000
>>>
11. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 cho 
>>> round(1300,-3)
1000
>>>
10.

Tiếp theo, hãy để xác định các tham số ban đầu của mô phỏng. Bạn sẽ cần hai biến: một để theo dõi giá trị thực tế của cổ phiếu của bạn sau khi mô phỏng hoàn tất và một biến cho giá trị của cổ phiếu của bạn sau khi bạn đã cắt giảm ba vị trí thập phân ở mỗi bước.

Bắt đầu bằng cách khởi tạo các biến này thành 

>>> round(1300,-3)
1000
>>>
14:

>>>

>>> actual_value, truncated_value = 100, 100

Hàm 

>>> round(1300,-3)
1000
>>>
06 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 ba vị trí bên phải bằng cách nhân 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 
>>> round(1300,-3)
1000
>>>
10. Phần số nguyên của số mới này được thực hiện với 
>>> round(1300,-3)
1000
>>>
11. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 cho 
>>> round(1300,-3)
1000
>>>
10.

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239

Hàm 

>>> round(1300,-3)
1000
>>>
06 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 ba vị trí bên phải bằng cách nhân 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 
>>> round(1300,-3)
1000
>>>
10. Phần số nguyên của số mới này được thực hiện với 
>>> round(1300,-3)
1000
>>>
11. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 cho 
>>> round(1300,-3)
1000
>>>
10.

Tiếp theo, hãy để xác định các tham số ban đầu của mô phỏng. Bạn sẽ cần hai biến: một để theo dõi giá trị thực tế của cổ phiếu của bạn sau khi mô phỏng hoàn tất và một biến cho giá trị của cổ phiếu của bạn sau khi bạn đã cắt giảm ba vị trí thập phân ở mỗi bước.

Bắt đầu bằng cách khởi tạo các biến này thành 

>>> round(1300,-3)
1000
>>>
14:

Bây giờ, hãy để Lôi chạy mô phỏng trong 1.000.000 giây (khoảng 11,5 ngày). Đối với mỗi giây, tạo một giá trị ngẫu nhiên giữa 

>>> round(1300,-3)
1000
>>>
15 và 
>>> round(1300,-3)
1000
>>>
16 với hàm 
>>> round(1300,-3)
1000
>>>
17 trong mô -đun 
>>> round(1300,-3)
1000
>>>
18, sau đó cập nhật 
>>> round(1300,-3)
1000
>>>
19 và 
>>> round(1300,-3)
1000
>>>
20:

>>>

>>> random.seed(100)
>>> actual_value, rounded_value = 100, 100

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     rounded_value = round(rounded_value + randn, 3)
...

>>> actual_value
96.45273913513529

>>> rounded_value
96.258

Hàm 

>>> round(1300,-3)
1000
>>>
06 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 ba vị trí bên phải bằng cách nhân 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 với 
>>> round(1300,-3)
1000
>>>
10. Phần số nguyên của số mới này được thực hiện với 
>>> round(1300,-3)
1000
>>>
11. Cuối cùng, điểm thập phân được thay đổi ba vị trí sang trái bằng cách chia 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
9 cho 
>>> round(1300,-3)
1000
>>>
10.

Tiếp theo, hãy để xác định các tham số ban đầu của mô phỏng. Bạn sẽ cần hai biến: một để theo dõi giá trị thực tế của cổ phiếu của bạn sau khi mô phỏng hoàn tất và một biến cho giá trị của cổ phiếu của bạn sau khi bạn đã cắt giảm ba vị trí thập phân ở mỗi bước.

Bắt đầu bằng cách khởi tạo các biến này thành 

>>> round(1300,-3)
1000
>>>
14:

Bây giờ, hãy để Lôi chạy mô phỏng trong 1.000.000 giây (khoảng 11,5 ngày). Đối với mỗi giây, tạo một giá trị ngẫu nhiên giữa >>> round(1300,-3) 1000 >>> 15 và >>> round(1300,-3) 1000 >>> 16 với hàm >>> round(1300,-3) 1000 >>> 17 trong mô -đun >>> round(1300,-3) 1000 >>> 18, sau đó cập nhật >>> round(1300,-3) 1000 >>> 19 và >>> round(1300,-3) 1000 >>> 20:

Có rất nhiều chiến lược làm tròn, mỗi chiến lược đều có ưu điểm và nhược điểm. Trong phần này, bạn sẽ tìm hiểu về một số kỹ thuật phổ biến nhất và cách chúng có thể ảnh hưởng đến dữ liệu của bạn.

Cắt ngắn

Phương pháp đơn giản nhất, mặc dù nhất định, để làm tròn một số là cắt số số thành một số chữ số nhất định. Khi bạn cắt một số, bạn thay thế từng chữ số sau một vị trí nhất định bằng 0. Dưới đây là một số ví dụ:

Giá trịCắt ngắn đểKết quả
12.345 Hàng chục nơi10
12.345 Những người12
12.345 Vị trí thứ mười12.3
12.345 Vị trí hàng trăm12.34

Bạn đã thấy một cách để thực hiện điều này trong hàm 

>>> round(1300,-3)
1000
>>>
06 từ mức độ ảnh hưởng của việc làm tròn? tiết diện. Trong chức năng đó, số đầu vào đã bị cắt giảm thành ba số thập phân bởi:

  • Nhân số lượng với 
    >>> round(1300,-3)
1000
>>>
    10 để chuyển số lượng thập phân ba vị trí sang bên phải
  • Lấy phần số nguyên của số mới đó với 
    >>> round(1300,-3)
1000
>>>
    11
  • Chuyển vị trí thập phân ba vị trí trở lại bên trái bằng cách chia cho 
    >>> round(1300,-3)
1000
>>>
    10

Bạn có thể khái quát quy trình này bằng cách thay thế 

>>> round(1300,-3)
1000
>>>
10 bằng số 10ᵖ (
>>> round(1300,-3)
1000
>>>
46 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:

def truncate(n, decimals=0):
    multiplier = 10 ** decimals
    return int(n * multiplier) / multiplier

Trong phiên bản này của 

>>> round(1300,-3)
1000
>>>
06, đối số thứ hai mặc định là 
>>> round(1300,-3)
1000
>>>
23 để nếu không có đối số thứ hai được truyền cho hàm, thì 
>>> round(1300,-3)
1000
>>>
06 sẽ trả về phần số nguyên của bất kỳ số nào được truyền cho nó.

Hàm 

>>> round(1300,-3)
1000
>>>
06 hoạt động tốt cho cả số dương và số âm:

>>>

>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62

Bạn thậm chí có thể chuyển một số âm cho 

>>> round(1300,-3)
1000
>>>
51 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:

>>>

>>> round(1300,-3)
1000
>>>
0

Bạn thậm chí có thể chuyển một số âm cho 

>>> round(1300,-3)
1000
>>>
51 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:

Khi bạn cắt ngắn một số dương, bạn đang làm tròn nó xuống. Tương tự như vậy, cắt ngắn một số âm tròn số đó lên. Theo một nghĩa nào đó, cắt ngắn là sự kết hợp của các phương pháp làm tròn tùy thuộc vào dấu hiệu của số bạn đang làm tròn.

Hãy cùng xem từng phương pháp làm tròn này một cách riêng lẻ, bắt đầu bằng cách làm tròn.

Tập trung

Giá trịCắt ngắn đểKết quả
12.345 Hàng chục nơi20
12.345 Những người13
12.345 Vị trí thứ mười12.4
12.345 Vị trí hàng trăm12.35

Bạn đã thấy một cách để thực hiện điều này trong hàm 

>>> round(1300,-3)
1000
>>>
06 từ mức độ ảnh hưởng của việc làm tròn? tiết diện. Trong chức năng đó, số đầu vào đã bị cắt giảm thành ba số thập phân bởi:

Nhân số lượng với 

>>> round(1300,-3)
1000
>>>
10 để chuyển số lượng thập phân ba vị trí sang bên phải

Lấy phần số nguyên của số mới đó với 

>>> round(1300,-3)
1000
>>>
11

Chuyển vị trí thập phân ba vị trí trở lại bên trái bằng cách chia cho 

>>> round(1300,-3)
1000
>>>
10ceiling function maps every number to its ceiling. To allow the ceiling function to accept integers, the ceiling of an integer is defined to be the integer itself. So the ceiling of the number 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9 is 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9.

Bạn có thể khái quát quy trình này bằng cách thay thế 

>>> round(1300,-3)
1000
>>>
10 bằng số 10ᵖ (
>>> round(1300,-3)
1000
>>>
46 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:

>>>

>>> round(1300,-3)
1000
>>>
1

Bạn thậm chí có thể chuyển một số âm cho 

>>> round(1300,-3)
1000
>>>
51 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:

Khi bạn cắt ngắn một số dương, bạn đang làm tròn nó xuống. Tương tự như vậy, cắt ngắn một số âm tròn số đó lên. Theo một nghĩa nào đó, cắt ngắn là sự kết hợp của các phương pháp làm tròn tùy thuộc vào dấu hiệu của số bạn đang làm tròn.

>>> round(1300,-3)
1000
>>>
2

Hãy cùng xem từng phương pháp làm tròn này một cách riêng lẻ, bắt đầu bằng cách làm tròn.

Tập trung

Chiến lược làm tròn thứ hai mà chúng tôi sẽ xem xét được gọi là làm tròn. Chiến lược này luôn làm tròn một số lên đến một số chữ số cụ thể. Bảng sau đây tóm tắt chiến lược này:

>>>

>>> round(1300,-3)
1000
>>>
3

Bạn thậm chí có thể chuyển một số âm cho 

>>> round(1300,-3)
1000
>>>
51 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:

>>>

>>> round(1300,-3)
1000
>>>
4

Bạn thậm chí có thể chuyển một số âm cho 

>>> round(1300,-3)
1000
>>>
51 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:

Hãy đoán xem những gì 

>>> round(1300,-3)
1000
>>>
84 trả về:

>>>

>>> round(1300,-3)
1000
>>>
5

Là 

>>> round(1300,-3)
1000
>>>
85 những gì bạn mong đợi?

Nếu bạn kiểm tra logic được sử dụng trong việc xác định ____ ____ 171, cụ thể, cách hàm 

>>> round(1300,-3)
1000
>>>
64 hoạt động thì điều đó có ý nghĩa rằng 
>>> round(1300,-3)
1000
>>>
84 trả về 
>>> round(1300,-3)
1000
>>>
85. Tuy nhiên, một số người tự nhiên mong đợi tính đối xứng xung quanh số 0 khi làm tròn các số, do đó nếu 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
6 được làm tròn lên đến 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9, thì 
>>> round(1300,-3)
1000
>>>
92 sẽ được làm tròn lên đến 
>>> round(1300,-3)
1000
>>>
93.

Hãy để thiết lập một số thuật ngữ. Đối với các mục đích của chúng tôi, chúng tôi sẽ sử dụng các thuật ngữ làm tròn lên và các vòng tròn xuống theo sơ đồ sau:

Hướng dẫn how do you round to the nearest 1000 in python? - làm thế nào để bạn làm tròn đến 1000 gần nhất trong python?
Làm tròn lên bên phải và xuống bên trái. (Hình ảnh: David Amos)

Làm tròn luôn làm tròn một số vào bên phải trên dòng số và làm tròn xuống luôn làm tròn một số vào bên trái trên dòng số.

Làm tròn xuống

Đối tác của nhóm làm tròn lên trên mạng là chiến lược làm tròn của người Viking, luôn làm tròn một số xuống một số chữ số được chỉ định. Dưới đây là một số ví dụ minh họa chiến lược này:

Giá trịLàm tròn xuốngKết quả
12.345 Hàng chục nơi10
12.345 Những người12
12.345 Vị trí thứ mười12.3
12.345 Vị trí hàng trăm12.34

Để thực hiện chiến lược làm tròn xuống của người Viking trong Python, chúng ta có thể tuân theo cùng một thuật toán mà chúng tôi đã sử dụng cho cả 

>>> round(1300,-3)
1000
>>>
94 và 
>>> round(1300,-3)
1000
>>>
71. Đầu tiên chuyển điểm thập phân, sau đó làm tròn sang một số nguyên, và cuối cùng thay đổi dấu thập phân trở lại.

Trong 

>>> round(1300,-3)
1000
>>>
71, chúng tôi đã sử dụng 
>>> round(1300,-3)
1000
>>>
64 để làm tròn lên trần của số sau khi chuyển điểm thập phân. Tuy nhiên, đối với chiến lược làm tròn xuống của người Viking, chúng ta cần làm tròn lên sàn của số sau khi chuyển điểm thập phân.

May mắn cho chúng tôi, mô -đun 

>>> round(1300,-3)
1000
>>>
53 có chức năng 
>>> round(1300,-3)
1000
>>>
99 trả về sàn của đầu vào của nó:

>>>

>>> round(1300,-3)
1000
>>>
6

Ở đây, định nghĩa của 

rev_list=[round(x,-3) for x in rev_list]
00:

>>> round(1300,-3)
1000
>>>
7

Trông giống như 

>>> round(1300,-3)
1000
>>>
71, ngoại trừ 
>>> round(1300,-3)
1000
>>>
64 đã được thay thế bằng 
rev_list=[round(x,-3) for x in rev_list]
03.

Bạn có thể kiểm tra 

rev_list=[round(x,-3) for x in rev_list]
00 trên một vài giá trị khác nhau:

>>>

>>> round(1300,-3)
1000
>>>
8

Những ảnh hưởng của 

>>> round(1300,-3)
1000
>>>
71 và 
rev_list=[round(x,-3) for x in rev_list]
00 có thể khá cực đoan. Bằng cách làm tròn các số trong một bộ dữ liệu lớn lên hoặc xuống, bạn có khả năng loại bỏ một tấn độ chính xác và thay đổi mạnh mẽ các tính toán được tạo từ dữ liệu.

Trước khi chúng tôi thảo luận về bất kỳ chiến lược làm tròn nào nữa, hãy để dừng lại và dành một chút thời gian để nói về cách làm tròn có thể làm cho dữ liệu của bạn bị sai lệch.

Interlude: Bias làm tròn

Bây giờ bạn đã thấy ba phương pháp làm tròn: 

>>> round(1300,-3)
1000
>>>
06, 
>>> round(1300,-3)
1000
>>>
71 và 
rev_list=[round(x,-3) for x in rev_list]
00. Tất cả ba kỹ thuật này đều khá thô khi bảo tồn một lượng chính xác hợp lý cho một số nhất định.

Có một sự khác biệt quan trọng giữa 

>>> round(1300,-3)
1000
>>>
06 và 
>>> round(1300,-3)
1000
>>>
71 và 
rev_list=[round(x,-3) for x in rev_list]
00 làm nổi bật một khía cạnh quan trọng của việc làm tròn: đối xứng xung quanh không.

Hãy nhớ lại rằng 

>>> round(1300,-3)
1000
>>>
71 isn đối xứng xung quanh 0. Theo thuật ngữ toán học, một hàm f (x) đối xứng xung quanh 0 nếu, đối với bất kỳ giá trị nào của x, f (x) + f (-x) = 0. Ví dụ, 
rev_list=[round(x,-3) for x in rev_list]
14 trả về 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9, nhưng 
>>> round(1300,-3)
1000
>>>
84 trả về 
>>> round(1300,-3)
1000
>>>
67. Hàm 
rev_list=[round(x,-3) for x in rev_list]
00 cũng không đối xứng khoảng 0.

Mặt khác, hàm 

>>> round(1300,-3)
1000
>>>
06 là đối xứng xung quanh 0. Điều này là bởi vì, sau khi chuyển điểm thập phân sang bên phải, 
>>> round(1300,-3)
1000
>>>
06 cắt các chữ số còn lại. Khi giá trị ban đầu là dương, số tiền này sẽ làm tròn số xuống. Số âm được làm tròn lên. Vì vậy, 
rev_list=[round(x,-3) for x in rev_list]
21 trả về 
>>> round(1300,-3)
1000
>>>
56 và 
rev_list=[round(x,-3) for x in rev_list]
23 trả về 
>>> round(1300,-3)
1000
>>>
67.

Khái niệm đối xứng giới thiệu khái niệm về độ lệch làm tròn, mô tả cách làm tròn ảnh hưởng đến dữ liệu số trong bộ dữ liệu.rounding bias, which describes how rounding affects numeric data in a dataset.

Chiến lược làm tròn của người Viking có một vòng hướng tới sự thiên vị vô cực tích cực, bởi vì giá trị luôn được làm tròn theo hướng vô cực tích cực. Tương tự như vậy, chiến lược làm tròn xuống của người Viking có một vòng đối với sự thiên vị vô cực tiêu cực.round towards positive infinity bias, because the value is always rounded up in the direction of positive infinity. Likewise, the “rounding down” strategy has a round towards negative infinity bias.

Chiến lược cắt ngắn của người Viking thể hiện một vòng hướng tới sự thiên vị vô cực tiêu cực đối với các giá trị dương và một vòng hướng tới vô cực dương cho các giá trị âm. Các chức năng làm tròn với hành vi này được cho là có một vòng về phía không thiên vị, nói chung.round towards zero bias, in general.

Hãy để xem cách thức hoạt động của nó trong thực tế. Hãy xem xét danh sách các phao sau:

>>>

>>> round(1300,-3)
1000
>>>
9

Hãy để tính toán giá trị trung bình của các giá trị trong 

rev_list=[round(x,-3) for x in rev_list]
25 bằng cách sử dụng hàm 
rev_list=[round(x,-3) for x in rev_list]
26:

>>>

rev_list=[round(x,-3) for x in rev_list]
0

Bây giờ áp dụng từng 

>>> round(1300,-3)
1000
>>>
71, 
rev_list=[round(x,-3) for x in rev_list]
00 và 
>>> round(1300,-3)
1000
>>>
06 trong danh sách hiểu biết để làm tròn từng số trong 
rev_list=[round(x,-3) for x in rev_list]
25 đến một vị trí thập phân và tính giá trị trung bình mới:

>>>

rev_list=[round(x,-3) for x in rev_list]
1

Sau khi mỗi số trong 

rev_list=[round(x,-3) for x in rev_list]
25 được làm tròn, giá trị trung bình mới là khoảng 
rev_list=[round(x,-3) for x in rev_list]
32, lớn hơn giá trị trung bình thực tế của khoảng 
rev_list=[round(x,-3) for x in rev_list]
33. Làm tròn xuống dịch chuyển trung bình xuống khoảng 
rev_list=[round(x,-3) for x in rev_list]
34. Giá trị trung bình của các giá trị bị cắt là khoảng 
rev_list=[round(x,-3) for x in rev_list]
35 và là giá trị gần nhất với giá trị trung bình thực tế.

Ví dụ này không ngụ ý rằng bạn nên luôn luôn cắt ngắn khi bạn cần làm tròn các giá trị riêng lẻ trong khi bảo tồn giá trị trung bình càng gần càng tốt. Danh sách 

rev_list=[round(x,-3) for x in rev_list]
25 chứa số lượng giá trị dương và âm bằng nhau. Hàm 
>>> round(1300,-3)
1000
>>>
06 sẽ hoạt động giống như 
>>> round(1300,-3)
1000
>>>
71 trên danh sách tất cả các giá trị dương và giống như 
rev_list=[round(x,-3) for x in rev_list]
00 trên danh sách tất cả các giá trị âm.

Những gì ví dụ này minh họa là độ lệch làm tròn hiệu ứng có trên các giá trị được tính toán từ dữ liệu đã được làm tròn. Bạn sẽ cần phải ghi nhớ những hiệu ứng này khi rút ra kết luận từ dữ liệu đã được làm tròn.

Thông thường, khi làm tròn, bạn quan tâm đến việc làm tròn đến số gần nhất với một số độ chính xác được chỉ định, thay vì chỉ làm tròn mọi thứ lên hoặc xuống.

Ví dụ: nếu ai đó yêu cầu bạn làm tròn các số 

rev_list=[round(x,-3) for x in rev_list]
40 và 
rev_list=[round(x,-3) for x in rev_list]
41 đến một vị trí thập phân, có lẽ bạn sẽ phản hồi nhanh chóng với 
>>> round(1300,-3)
1000
>>>
55 và 
rev_list=[round(x,-3) for x in rev_list]
43. Các chức năng 
>>> round(1300,-3)
1000
>>>
06, 
>>> round(1300,-3)
1000
>>>
71 và 
rev_list=[round(x,-3) for x in rev_list]
00 don don làm bất cứ điều gì như thế này.

Còn số 

rev_list=[round(x,-3) for x in rev_list]
47 thì sao? Bạn có thể nghĩ ngay lập tức để làm tròn điều này đến 
rev_list=[round(x,-3) for x in rev_list]
43, nhưng trong thực tế, 
rev_list=[round(x,-3) for x in rev_list]
47 là tương đương từ 
>>> round(1300,-3)
1000
>>>
55 và 
rev_list=[round(x,-3) for x in rev_list]
43. Theo một nghĩa nào đó, 
>>> round(1300,-3)
1000
>>>
55 và 
rev_list=[round(x,-3) for x in rev_list]
43 đều là những con số gần nhất đến 
rev_list=[round(x,-3) for x in rev_list]
47 với độ chính xác của số thập phân. Số 
rev_list=[round(x,-3) for x in rev_list]
47 được gọi là cà vạt liên quan đến 
>>> round(1300,-3)
1000
>>>
55 và 
rev_list=[round(x,-3) for x in rev_list]
43. Trong các trường hợp như thế này, bạn phải chỉ định một kẻ phá vỡ.tie with respect to 
>>> round(1300,-3)
1000
>>>
55 and 
rev_list=[round(x,-3) for x in rev_list]
43. In cases like this, you must assign a tiebreaker.

Cách mà hầu hết mọi người được dạy về mối quan hệ phá vỡ là bằng cách làm tròn đến các số lớn hơn của hai con số có thể.

Làm tròn một nửa lên

Chiến lược làm tròn một nửa của người Viking lên từng số vào số gần nhất với độ chính xác được chỉ định và phá vỡ các mối quan hệ bằng cách làm tròn. Dưới đây là một số ví dụ:

Giá trịVòng một nửa lên đếnKết quả
13.825 Hàng chục nơi10
13.825 Những người14
13.825 Vị trí thứ mười13.8
13.825 Vị trí hàng trăm13.83

Để thực hiện chiến lược nửa vòng tròn của người Viking trong Python, bạn bắt đầu như thường lệ bằng cách chuyển điểm thập phân sang bên phải bởi số lượng địa điểm mong muốn. Tuy nhiên, tại thời điểm này, bạn cần một cách để xác định xem chữ số ngay sau điểm thập phân thay đổi nhỏ hơn hoặc lớn hơn hoặc bằng 

rev_list=[round(x,-3) for x in rev_list]
58.

Một cách để làm điều này là thêm 

rev_list=[round(x,-3) for x in rev_list]
59 vào giá trị đã thay đổi và sau đó làm tròn với 
rev_list=[round(x,-3) for x in rev_list]
03. Điều này hoạt động bởi vì:

  • Nếu chữ số ở vị trí thập phân đầu tiên của giá trị thay đổi nhỏ hơn năm, thì việc thêm 

    rev_list=[round(x,-3) for x in rev_list]
    59 won Thay đổi phần số nguyên của giá trị dịch chuyển, do đó sàn bằng phần nguyên.

  • Nếu chữ số đầu tiên sau vị trí thập phân lớn hơn hoặc bằng 

    rev_list=[round(x,-3) for x in rev_list]
    58, thì việc thêm 
    rev_list=[round(x,-3) for x in rev_list]
    59 sẽ tăng phần số nguyên của giá trị dịch chuyển bằng 
    >>> round(1300,-3)
1000
>>>
    56, do đó, sàn bằng với số nguyên lớn hơn này.

Ở đây, những gì nó trông giống như trong Python:

rev_list=[round(x,-3) for x in rev_list]
2

Lưu ý rằng 

rev_list=[round(x,-3) for x in rev_list]
65 trông rất giống 
rev_list=[round(x,-3) for x in rev_list]
00. Điều này có thể có phần phản trực giác, nhưng bên trong 
rev_list=[round(x,-3) for x in rev_list]
65 chỉ làm tròn. Bí quyết là thêm 
rev_list=[round(x,-3) for x in rev_list]
59 sau khi chuyển điểm thập phân để kết quả làm tròn xuống phù hợp với giá trị dự kiến.

Hãy để thử nghiệm 

rev_list=[round(x,-3) for x in rev_list]
65 trên một vài giá trị để thấy rằng nó hoạt động:

>>>

rev_list=[round(x,-3) for x in rev_list]
3

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

>>>

rev_list=[round(x,-3) for x in rev_list]
4

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

>>>

rev_list=[round(x,-3) for x in rev_list]
5

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

>>>

rev_list=[round(x,-3) for x in rev_list]
6

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp từ chối cho bạn:

Mặc dù trước khi bạn quá phấn khích, hãy để Lôi xem những gì xảy ra khi bạn cố gắng và làm tròn 

rev_list=[round(x,-3) for x in rev_list]
75 đến 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9 Các vị trí thập phân:

>>>

rev_list=[round(x,-3) for x in rev_list]
7

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

>>>

rev_list=[round(x,-3) for x in rev_list]
8

Vì 

rev_list=[round(x,-3) for x in rev_list]
65 luôn phá vỡ các mối quan hệ bằng cách làm tròn đến các giá trị lớn hơn của hai giá trị có thể, các giá trị âm như vòng 
>>> round(1300,-3)
1000
>>>
92 đến 
>>> round(1300,-3)
1000
>>>
67, không phải là 
>>> round(1300,-3)
1000
>>>
93:

Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp từ chối cho bạn:

Thực tế là Python nói rằng 

rev_list=[round(x,-3) for x in rev_list]
98 là 
rev_list=[round(x,-3) for x in rev_list]
99 là một tạo tác của lỗi biểu diễn điểm nổi. Bạn có thể tự hỏi mình, được rồi, nhưng có cách nào để khắc phục điều này không? Một câu hỏi hay hơn để tự hỏi mình là "Tôi có cần sửa cái này không?"

Các số điểm nổi không có độ chính xác chính xác, và do đó không nên được sử dụng trong các tình huống trong đó độ chính xác là tối quan trọng. Đối với các ứng dụng có độ chính xác chính xác là cần thiết, bạn có thể sử dụng lớp 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 từ mô -đun PythonTHER 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03. Bạn sẽ tìm hiểu thêm về lớp 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 dưới đây.should not be used in situations where precision is paramount. For applications where the exact precision is necessary, you can use the 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 class from Python’s 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 module. You’ll learn more about the 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 class below.

Nếu bạn đã xác định rằng lớp 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
05 tiêu chuẩn của Python là đủ cho ứng dụng của bạn, một số lỗi không thường xuyên trong 
rev_list=[round(x,-3) for x in rev_list]
65 do lỗi biểu diễn điểm nổi nên là một mối quan tâm.

Bây giờ, bạn đã nhận được một hương vị về cách các số máy tròn trong bộ nhớ, hãy để tiếp tục thảo luận về các chiến lược làm tròn bằng cách nhìn vào một cách khác để phá vỡ một chiếc cà vạt.

Làm tròn một nửa xuống

Chiến lược làm tròn một nửa xuống, các vòng tròn với số gần nhất với độ chính xác mong muốn, giống như phương pháp làm tròn một nửa lên, ngoại trừ việc nó phá vỡ mối quan hệ bằng cách làm tròn vào số ít hơn trong hai số. Dưới đây là một số ví dụ:

Giá trịVòng một nửa xuốngKết quả
13.825 Hàng chục nơi10
13.825 Những người14
13.825 Vị trí thứ mười13.8
13.825 Vị trí hàng trăm13.82

Bạn có thể thực hiện chiến lược nửa làm tròn xuống trong Python bằng cách thay thế 

rev_list=[round(x,-3) for x in rev_list]
03 trong hàm 
rev_list=[round(x,-3) for x in rev_list]
65 bằng 
>>> round(1300,-3)
1000
>>>
64 và trừ 
rev_list=[round(x,-3) for x in rev_list]
59 thay vì thêm: thêm:

rev_list=[round(x,-3) for x in rev_list]
9

Hãy để kiểm tra 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 so với một vài trường hợp thử nghiệm:

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
0

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
1

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
2

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
3

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

Hãy để tính toán giá trị trung bình của các số sau:

Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với rev_list=[round(x,-3) for x in rev_list] 65 và >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122] >>> rev_list=[round(x,-3) for x in rev_list] >>> rev_list [97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000] >>> 11:

Mỗi số trong 

rev_list=[round(x,-3) for x in rev_list]
25 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 
rev_list=[round(x,-3) for x in rev_list]
65 giới thiệu một vòng hướng tới sai lệch vô cực dương và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
4

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

Giá trịVòng một nửa xuốngKết quả
15.25 Hàng chục nơi20
15.25 Những người15
15.25 Vị trí thứ mười15.3
-15.25 Hàng chục nơi-20
-15.25 Những người-15
-15.25 Vị trí thứ mười-15.3

Vị trí hàng trăm

  1. Bạn có thể thực hiện chiến lược nửa làm tròn xuống trong Python bằng cách thay thế 
    rev_list=[round(x,-3) for x in rev_list]
    03 trong hàm 
    rev_list=[round(x,-3) for x in rev_list]
    65 bằng 
    >>> round(1300,-3)
1000
>>>
    64 và trừ 
    rev_list=[round(x,-3) for x in rev_list]
    59 thay vì thêm: thêm:
  2. Hãy để kiểm tra 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    11 so với một vài trường hợp thử nghiệm:
  3. >>>
  4. Cả 
    rev_list=[round(x,-3) for x in rev_list]
    65 và 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

Hãy để tính toán giá trị trung bình của các số sau:

Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11:

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
5

Mỗi số trong 

rev_list=[round(x,-3) for x in rev_list]
25 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 
rev_list=[round(x,-3) for x in rev_list]
65 giới thiệu một vòng hướng tới sai lệch vô cực dương và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.

Các chiến lược làm tròn còn lại mà chúng tôi sẽ thảo luận về tất cả các nỗ lực để giảm thiểu những thành kiến ​​này theo những cách khác nhau.

Làm tròn một nửa so với số không

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
6

Cả 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 không có sai lệch nói chung. Tuy nhiên, việc làm tròn dữ liệu với rất nhiều mối quan hệ sẽ giới thiệu sự thiên vị. Ví dụ cực đoan, hãy xem xét danh sách các số sau:

Hãy để tính toán giá trị trung bình của các số sau:

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
7

Tiếp theo, tính toán giá trị trung bình trên dữ liệu sau khi làm tròn đến một vị trí thập phân với 

rev_list=[round(x,-3) for x in rev_list]
65 và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11:

Mỗi số trong 

rev_list=[round(x,-3) for x in rev_list]
25 là một sự ràng buộc liên quan đến việc làm tròn đến một vị trí thập phân. Hàm 
rev_list=[round(x,-3) for x in rev_list]
65 giới thiệu một vòng hướng tới sai lệch vô cực dương và 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
11 giới thiệu một vòng hướng tới sai lệch vô cực tiêu cực.

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
8

Hàm 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50 làm tròn số theo cách mà hầu hết mọi người có xu hướng tròn số trong cuộc sống hàng ngày. Bên cạnh đó là chức năng làm tròn quen thuộc nhất mà bạn đã thấy cho đến nay, 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50 cũng loại bỏ độ lệch tròn trong các bộ dữ liệu có số lượng tương đương các mối quan hệ tích cực và tiêu cực.

Hãy để kiểm tra mức độ 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50 giảm thiểu sai lệch làm tròn trong ví dụ từ phần trước:

>>>

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
9

Giá trị trung bình của các số trong 

rev_list=[round(x,-3) for x in rev_list]
25 được bảo tồn gần như chính xác khi bạn làm tròn từng số trong 
rev_list=[round(x,-3) for x in rev_list]
25 đến một vị trí thập phân với 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50!

Tuy nhiên, 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50 sẽ thể hiện sự thiên vị làm tròn khi bạn làm tròn mọi số trong các bộ dữ liệu chỉ có mối quan hệ tích cực, chỉ có mối quan hệ tiêu cực hoặc nhiều mối quan hệ của một dấu hiệu khác. Sự thiên vị chỉ được giảm thiểu tốt nếu có một số lượng tương tự các mối quan hệ tích cực và tiêu cực trong bộ dữ liệu.

Làm thế nào để bạn xử lý các tình huống trong đó số lượng mối quan hệ tích cực và tiêu cực khác nhau đáng kể? Câu trả lời cho câu hỏi này đưa chúng ta đến vòng tròn đầy đủ cho chức năng đã lừa dối chúng ta khi bắt đầu bài viết này: Chức năng 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp của Python.

Làm tròn một nửa để thậm chí

Một cách để giảm thiểu độ lệch làm tròn khi làm tròn các giá trị trong bộ dữ liệu là các mối quan hệ tròn đến số gần nhất ở độ chính xác mong muốn. Dưới đây là một số ví dụ về cách làm điều đó:

Giá trịVòng một nửa để thậm chíKết quả
15.255 Hàng chục nơi20
15.255 Những người15
15.255 Vị trí thứ mười15.3
15.255 Vị trí hàng trăm15.26

Một nửa làm tròn cho chiến lược thậm chí là chiến lược được sử dụng bởi chức năng 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp của Python và là quy tắc làm tròn mặc định trong tiêu chuẩn IEEE-754. Chiến lược này hoạt động theo giả định rằng xác suất của một sự ràng buộc trong bộ dữ liệu được làm tròn hoặc làm tròn lên bằng nhau. Trong thực tế, đây thường là trường hợp.

Bây giờ bạn biết tại sao 

>>> round(1300,-3)
1000
>>>
02 trả về 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
9. Nó không phải là một sai lầm. Đó là một quyết định thiết kế có ý thức dựa trên các khuyến nghị vững chắc.

Để chứng minh cho chính mình rằng 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 thực sự làm tròn để thậm chí, hãy thử nó trên một vài giá trị khác nhau:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
0

Hàm 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 gần như không có sai lệch, nhưng nó không hoàn hảo. Ví dụ, độ lệch làm tròn vẫn có thể được giới thiệu nếu phần lớn các mối quan hệ trong bộ dữ liệu của bạn làm tròn lên đến ngay cả thay vì làm tròn xuống. Các chiến lược giảm thiểu sự thiên vị thậm chí còn tốt hơn so với một nửa làm tròn với thậm chí còn tồn tại, nhưng chúng có phần mơ hồ và chỉ cần thiết trong hoàn cảnh khắc nghiệt.

Cuối cùng, 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 bị trục trặc tương tự mà bạn đã thấy trong 
rev_list=[round(x,-3) for x in rev_list]
65 nhờ lỗi biểu diễn điểm nổi:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
1

Bạn không nên quan tâm đến những lỗi không thường xuyên này nếu độ chính xác điểm nổi là đủ cho ứng dụng của bạn.

Khi độ chính xác là tối quan trọng, bạn nên sử dụng lớp Python từ 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02.

Lớp >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122] >>> rev_list=[round(x,-3) for x in rev_list] >>> rev_list [97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000] >>> 02

Mô-đun thập phân Python sườn là một trong những tính năng bao gồm các loại pin của các ngôn ngữ mà bạn có thể không biết nếu bạn mới sử dụng Python. Nguyên tắc hướng dẫn của mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 có thể được tìm thấy trong tài liệu:

Decimal, dựa trên mô hình dấu phẩy động được thiết kế với mọi người và nhất thiết phải có một nguyên tắc hướng dẫn tối quan trọng-máy tính phải cung cấp một số học hoạt động theo cách tương tự như số học mà mọi người học ở trường. - Đoạn trích từ đặc điểm số học thập phân. (Nguồn)

Những lợi ích của mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 bao gồm:

  • Đại diện thập phân chính xác: 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    78 thực sự là 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    78 và 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    80 trả về 
    >>> round(1300,-3)
1000
>>>
    23, như bạn mong đợi.    : 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    78 is actually 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    78, and 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    80 returns 
    >>> round(1300,-3)
1000
>>>
    23, as you’d expect.
  • Bảo tồn các chữ số quan trọng: Khi bạn thêm 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    82 và 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    83, kết quả là 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    84 với số 0 được duy trì để chỉ ra ý nghĩa.    : When you add 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    82 and 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    83, the result is 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    84 with the trailing zero maintained to indicate significance.
  • Độ chính xác thay đổi của người dùng: Độ chính xác mặc định của mô-đun 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    03 là hai mươi tám chữ số, nhưng giá trị này có thể được người dùng thay đổi để phù hợp với vấn đề trong tay.    : The default precision of the 
    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    03 module is twenty-eight digits, but this value can be altered by the user to match the problem at hand.

Hãy cùng khám phá cách làm việc làm tròn hoạt động trong mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03. Bắt đầu bằng cách nhập phần sau vào Python Repls:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
2

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
87 Trả về một đối tượng 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
88 đại diện cho bối cảnh mặc định của mô -đun 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03. Bối cảnh bao gồm độ chính xác mặc định và chiến lược làm tròn mặc định, trong số những thứ khác.

Như bạn có thể thấy trong ví dụ trên, chiến lược làm tròn mặc định cho mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 là 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
91. Điều này phù hợp với chức năng 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.

Hãy cùng khai báo một số bằng cách sử dụng lớp 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02. Để làm như vậy, hãy tạo một thể hiện 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 mới bằng cách chuyển 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
96 chứa giá trị mong muốn:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
3

Chỉ để giải trí, hãy để thử nghiệm khẳng định rằng 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 duy trì biểu diễn thập phân chính xác:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
4

Ahhh. Điều đó thỏa mãn, phải không?

Làm tròn một 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02 được thực hiện với phương pháp 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
99:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
5

Được rồi, có lẽ trông hơi vui, vì vậy hãy để điều đó phá vỡ điều đó. Đối số 

>>> def truncate(n):
...     return int(n * 1000) / 1000
00 trong 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
99 xác định số lượng vị trí thập phân để làm tròn số. Vì 
>>> def truncate(n):
...     return int(n * 1000) / 1000
02 có một vị trí thập phân, số 
>>> def truncate(n):
...     return int(n * 1000) / 1000
03 vòng đến một vị trí thập phân duy nhất. Chiến lược làm tròn mặc định là một nửa làm tròn đến một nửa, vì vậy kết quả là 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
2.

Hãy nhớ lại rằng hàm 

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7, cũng sử dụng một nửa làm tròn cho chiến lược, đã không chính xác để làm tròn 
>>> def truncate(n):
...     return int(n * 1000) / 1000
06 đến hai số thập phân. Thay vì 
>>> def truncate(n):
...     return int(n * 1000) / 1000
07, 
>>> def truncate(n):
...     return int(n * 1000) / 1000
08 trả về 
>>> def truncate(n):
...     return int(n * 1000) / 1000
09. Nhờ các mô -đun 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 đại diện thập phân chính xác, bạn đã giành được vấn đề này với lớp 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
6

Một lợi ích khác của mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 là làm tròn sau khi thực hiện số học được chăm sóc tự động và các chữ số quan trọng được bảo tồn. Để xem điều này trong hành động, hãy để thay đổi độ chính xác mặc định từ hai mươi tám chữ số thành hai, sau đó thêm các số 
rev_list=[round(x,-3) for x in rev_list]
40 và 
>>> def truncate(n):
...     return int(n * 1000) / 1000
14:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
7

Để thay đổi độ chính xác, bạn gọi 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
87 và đặt thuộc tính 
>>> def truncate(n):
...     return int(n * 1000) / 1000
16. Nếu đặt thuộc tính trên một cuộc gọi hàm có vẻ kỳ lạ với bạn, bạn có thể làm điều này bởi vì 
>>> def truncate(n):
...     return int(n * 1000) / 1000
17 trả về một đối tượng 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
88 đặc biệt đại diện cho bối cảnh nội bộ hiện tại chứa các tham số mặc định được sử dụng bởi mô -đun 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03.

Giá trị chính xác của 

rev_list=[round(x,-3) for x in rev_list]
40 cộng với 
>>> def truncate(n):
...     return int(n * 1000) / 1000
14 là 
>>> def truncate(n):
...     return int(n * 1000) / 1000
22. Vì độ chính xác hiện là hai chữ số và chiến lược làm tròn được đặt thành mặc định là một nửa làm tròn thành chẵn, nên giá trị 
>>> def truncate(n):
...     return int(n * 1000) / 1000
22 được tự động làm tròn thành 
>>> def truncate(n):
...     return int(n * 1000) / 1000
24.

Để thay đổi chiến lược làm tròn mặc định, bạn có thể đặt thuộc tính 

>>> def truncate(n):
...     return int(n * 1000) / 1000
25 thành bất kỳ một trong nhiều cờ. Bảng sau đây tóm tắt các cờ này và chiến lược làm tròn mà họ thực hiện:

Lá cờChiến lược làm tròn
>>> def truncate(n):
...     return int(n * 1000) / 1000
26		Tập trung
>>> def truncate(n):
...     return int(n * 1000) / 1000
27		Làm tròn xuống
>>> def truncate(n):
...     return int(n * 1000) / 1000
28		Cắt ngắn
>>> def truncate(n):
...     return int(n * 1000) / 1000
29		Làm tròn từ số không
>>> def truncate(n):
...     return int(n * 1000) / 1000
30		Làm tròn một nửa so với số không
>>> def truncate(n):
...     return int(n * 1000) / 1000
31		Làm tròn một nửa về phía 0
>>> def truncate(n):
...     return int(n * 1000) / 1000
32		Làm tròn một nửa để thậm chí
>>> def truncate(n):
...     return int(n * 1000) / 1000
33		Làm tròn và làm tròn về phía 0

Điều đầu tiên cần chú ý là sơ đồ đặt tên được sử dụng bởi mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 khác với những gì chúng tôi đã đồng ý trước đó trong bài viết. Ví dụ, 
>>> def truncate(n):
...     return int(n * 1000) / 1000
29 thực hiện các vòng tròn từ chiến lược không có, thực sự làm tròn các số âm.

Thứ hai, một số chiến lược làm tròn được đề cập trong bảng có thể trông không quen thuộc kể từ khi chúng ta đã thảo luận về chúng. Bạn đã thấy cách thức hoạt động của 

>>> def truncate(n):
...     return int(n * 1000) / 1000
32, vì vậy, hãy để xem xét từng người khác trong hành động.

Chiến lược 

>>> def truncate(n):
...     return int(n * 1000) / 1000
26 hoạt động giống như hàm 
>>> round(1300,-3)
1000
>>>
71 mà chúng tôi đã xác định trước đó:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
8

Lưu ý rằng kết quả của 

>>> def truncate(n):
...     return int(n * 1000) / 1000
26 không đối xứng xung quanh 0.

Chiến lược 

>>> def truncate(n):
...     return int(n * 1000) / 1000
27 hoạt động giống như hàm 
rev_list=[round(x,-3) for x in rev_list]
00 của chúng tôi:

>>>

>>> def truncate(n):
...     return int(n * 1000) / 1000
9

Giống như 

>>> def truncate(n):
...     return int(n * 1000) / 1000
26, chiến lược 
>>> def truncate(n):
...     return int(n * 1000) / 1000
27 không đối xứng xung quanh 0.

Các chiến lược 

>>> def truncate(n):
...     return int(n * 1000) / 1000
28 và 
>>> def truncate(n):
...     return int(n * 1000) / 1000
29 có những cái tên lừa đảo có phần. Cả 
>>> def truncate(n):
...     return int(n * 1000) / 1000
46 và 
>>> def truncate(n):
...     return int(n * 1000) / 1000
47 đều đối xứng xung quanh 0:

>>>

>>> actual_value, truncated_value = 100, 100
0

Chiến lược 

>>> def truncate(n):
...     return int(n * 1000) / 1000
28 làm tròn các số về 0, giống như hàm 
>>> round(1300,-3)
1000
>>>
06. Mặt khác, 
>>> def truncate(n):
...     return int(n * 1000) / 1000
29 làm tròn mọi thứ từ số không. Đây là một sự phá vỡ rõ ràng từ thuật ngữ mà chúng tôi đã đồng ý trước đó trong bài viết, vì vậy hãy ghi nhớ điều đó khi bạn đang làm việc với mô -đun 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03.

Có ba chiến lược trong mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 cho phép làm tròn nhiều sắc thái hơn. Phương pháp 
>>> def truncate(n):
...     return int(n * 1000) / 1000
30 làm tròn mọi thứ theo số gần nhất và phá vỡ mối quan hệ bằng cách làm tròn từ số không:

>>>

>>> actual_value, truncated_value = 100, 100
1

Lưu ý rằng 

>>> def truncate(n):
...     return int(n * 1000) / 1000
30 hoạt động giống như 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
50 của chúng tôi và không thích 
rev_list=[round(x,-3) for x in rev_list]
65.

Ngoài ra còn có một chiến lược 

>>> def truncate(n):
...     return int(n * 1000) / 1000
31 phá vỡ mối quan hệ bằng cách làm tròn về 0:

>>>

>>> actual_value, truncated_value = 100, 100
2

Chiến lược làm tròn cuối cùng có sẵn trong mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 rất khác với bất cứ điều gì chúng ta đã thấy cho đến nay:

>>>

>>> actual_value, truncated_value = 100, 100
3

Trong các ví dụ trên, có vẻ như 

>>> def truncate(n):
...     return int(n * 1000) / 1000
33 làm tròn mọi thứ về 0. Trên thực tế, đây chính xác là cách 
>>> def truncate(n):
...     return int(n * 1000) / 1000
33 hoạt động, trừ khi kết quả của việc làm tròn kết thúc trong một 
>>> round(1300,-3)
1000
>>>
23 hoặc 
rev_list=[round(x,-3) for x in rev_list]
58. Trong trường hợp đó, số được làm tròn khỏi số không:

>>>

>>> actual_value, truncated_value = 100, 100
4

Trong ví dụ đầu tiên, số 

>>> def truncate(n):
...     return int(n * 1000) / 1000
63 lần đầu tiên được làm tròn về 0 ở vị trí thập phân thứ hai, tạo ra 
>>> def truncate(n):
...     return int(n * 1000) / 1000
64. Vì 
>>> def truncate(n):
...     return int(n * 1000) / 1000
64 không kết thúc trong một 
>>> round(1300,-3)
1000
>>>
23 hoặc 
rev_list=[round(x,-3) for x in rev_list]
58, nên nó được để lại như vậy. Mặt khác, 
>>> def truncate(n):
...     return int(n * 1000) / 1000
68 được làm tròn về 0 ở vị trí thập phân thứ hai, dẫn đến số 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
6. Điều này kết thúc ở một 
rev_list=[round(x,-3) for x in rev_list]
58, vì vậy vị trí thập phân đầu tiên sau đó được làm tròn từ số 0 đến 
>>> truncate(12.5)
12.0

>>> truncate(-5.963, 1)
-5.9

>>> truncate(1.625, 2)
1.62
2.

Trong phần này, chúng tôi chỉ tập trung vào các khía cạnh làm tròn của mô -đun 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03. Có một số lượng lớn các tính năng khác làm cho 
>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
03 trở thành một lựa chọn tuyệt vời cho các ứng dụng trong đó độ chính xác dấu phẩy động tiêu chuẩn là không đủ, chẳng hạn như ngân hàng và một số vấn đề trong điện toán khoa học.

Để biết thêm thông tin về 

>>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
02, hãy xem hướng dẫn bắt đầu nhanh trong các tài liệu Python.

Tiếp theo, hãy để chúng tôi chú ý sang hai mặt hàng chủ lực của các ngăn xếp khoa học và máy tính khoa học Python,: Numpy và Pandas.

Làm tròn mảng numpy

Trong các lĩnh vực của khoa học dữ liệu và điện toán khoa học, bạn thường lưu trữ dữ liệu của mình dưới dạng 

>>> def truncate(n):
...     return int(n * 1000) / 1000
75. Một trong những tính năng mạnh mẽ nhất của Numpy, là việc sử dụng vector hóa và phát sóng để áp dụng các hoạt động cho toàn bộ mảng cùng một lúc thay vì một yếu tố tại một thời điểm.

Hãy để tạo ra một số dữ liệu bằng cách tạo một mảng số giả ngẫu nhiên 3 × 4:

>>>

>>> actual_value, truncated_value = 100, 100
5

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

Để làm tròn tất cả các giá trị trong mảng 

rev_list=[round(x,-3) for x in rev_list]
25, bạn có thể chuyển 
rev_list=[round(x,-3) for x in rev_list]
25 làm đối số cho hàm 
>>> def truncate(n):
...     return int(n * 1000) / 1000
80. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 
>>> round(1300,-3)
1000
>>>
51. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____67 tích hợp của Python.

Ví dụ: các vòng sau tất cả các giá trị trong 

rev_list=[round(x,-3) for x in rev_list]
25 đến ba số thập phân:

>>>

>>> actual_value, truncated_value = 100, 100
6

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

Để làm tròn tất cả các giá trị trong mảng 

rev_list=[round(x,-3) for x in rev_list]
25, bạn có thể chuyển 
rev_list=[round(x,-3) for x in rev_list]
25 làm đối số cho hàm 
>>> def truncate(n):
...     return int(n * 1000) / 1000
80. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 
>>> round(1300,-3)
1000
>>>
51. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____67 tích hợp của Python.

Ví dụ: các vòng sau tất cả các giá trị trong 

rev_list=[round(x,-3) for x in rev_list]
25 đến ba số thập phân:

  • >>> def truncate(n):
...     return int(n * 1000) / 1000
    93
  • >>> def truncate(n):
...     return int(n * 1000) / 1000
    94
  • >>> def truncate(n):
...     return int(n * 1000) / 1000
    95
  • >>> def truncate(n):
...     return int(n * 1000) / 1000
    96

>>> def truncate(n):
...     return int(n * 1000) / 1000
80 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 là.

>>>

>>> actual_value, truncated_value = 100, 100
7

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

Để làm tròn tất cả các giá trị trong mảng 

rev_list=[round(x,-3) for x in rev_list]
25, bạn có thể chuyển 
rev_list=[round(x,-3) for x in rev_list]
25 làm đối số cho hàm 
>>> def truncate(n):
...     return int(n * 1000) / 1000
80. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 
>>> round(1300,-3)
1000
>>>
51. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____67 tích hợp của Python.

Ví dụ: các vòng sau tất cả các giá trị trong 

rev_list=[round(x,-3) for x in rev_list]
25 đến ba số thập phân:

>>> def truncate(n):
...     return int(n * 1000) / 1000
80 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 là.

>>>

>>> actual_value, truncated_value = 100, 100
8

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

>>>

>>> actual_value, truncated_value = 100, 100
9

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
0

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
1

Để làm tròn tất cả các giá trị trong mảng 

rev_list=[round(x,-3) for x in rev_list]
25, bạn có thể chuyển 
rev_list=[round(x,-3) for x in rev_list]
25 làm đối số cho hàm 
>>> def truncate(n):
...     return int(n * 1000) / 1000
80. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 
>>> round(1300,-3)
1000
>>>
51. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____67 tích hợp của Python.

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
2

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

Để làm tròn tất cả các giá trị trong mảng rev_list=[round(x,-3) for x in rev_list] 25, bạn có thể chuyển rev_list=[round(x,-3) for x in rev_list] 25 làm đối số cho hàm >>> def truncate(n): ... return int(n * 1000) / 1000 80. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa >>> round(1300,-3) 1000 >>> 51. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng ____67 tích hợp của Python.

Ví dụ: các vòng sau tất cả các giá trị trong 

rev_list=[round(x,-3) for x in rev_list]
25 đến ba số thập phân:

>>> def truncate(n):
...     return int(n * 1000) / 1000
80 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 
>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
7 là.

Ví dụ: giá trị trong hàng thứ ba của cột đầu tiên trong mảng 

rev_list=[round(x,-3) for x in rev_list]
25 là 
>>> def truncate(n):
...     return int(n * 1000) / 1000
87. Khi bạn làm tròn số này đến ba vị trí thập phân bằng cách sử dụng một nửa làm tròn cho chiến lược thậm chí là, bạn mong đợi giá trị sẽ là 
>>> def truncate(n):
...     return int(n * 1000) / 1000
88. Nhưng bạn có thể thấy trong đầu ra từ 
>>> def truncate(n):
...     return int(n * 1000) / 1000
80 rằng giá trị được làm tròn thành 
>>> def truncate(n):
...     return int(n * 1000) / 1000
90. Tuy nhiên, giá trị 
>>> def truncate(n):
...     return int(n * 1000) / 1000
91 trong hàng đầu tiên của cột thứ hai chính xác là 
>>> def truncate(n):
...     return int(n * 1000) / 1000
92.

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
3

Đầu tiên, chúng tôi gieo hạt mô -đun 

>>> def truncate(n):
...     return int(n * 1000) / 1000
76 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 
>>> def truncate(n):
...     return int(n * 1000) / 1000
77.

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
4

Nếu bạn cần sự linh hoạt làm tròn hơn, bạn có thể áp dụng các hàm Numpy ____ ____199, 

>>> round(1300,-3)
1000
>>>
52 và 
>>> actual_value, truncated_value = 100, 100
17 cho các đối tượng Pandas 
>>> actual_value, truncated_value = 100, 100
04 và 
>>> actual_value, truncated_value = 100, 100
05:

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
5

Hàm 

rev_list=[round(x,-3) for x in rev_list]
65 đã sửa đổi từ phần trước cũng sẽ hoạt động ở đây:

>>>

>>> import random
>>> random.seed(100)

>>> for _ in range(1000000):
...     randn = random.uniform(-0.05, 0.05)
...     actual_value = actual_value + randn
...     truncated_value = truncate(truncated_value + randn)
...

>>> actual_value
96.45273913513529

>>> truncated_value
0.239
6

Hàm 

rev_list=[round(x,-3) for x in rev_list]
65 đã sửa đổi từ phần trước cũng sẽ hoạt động ở đây:

Xin chúc mừng, bạn rất tốt trên đường để làm tròn thành thạo! Bây giờ bạn biết rằng có nhiều cách để làm tròn một số hơn là có sự kết hợp của taco. .

Có một bước nữa: biết khi nào nên áp dụng chiến lược phù hợp.

Các ứng dụng và thực tiễn tốt nhất

Sự kéo dài cuối cùng trên con đường của bạn để làm tròn sự điêu luyện là sự hiểu biết khi nào nên áp dụng kiến ​​thức mới của bạn. Trong phần này, bạn sẽ học một số thực tiễn tốt nhất để đảm bảo bạn làm tròn số của mình đúng cách.

Lưu trữ nhiều hơn và tròn muộn

Khi bạn xử lý các bộ dữ liệu lớn, lưu trữ có thể là một vấn đề. Trong hầu hết các cơ sở dữ liệu quan hệ, mỗi cột trong bảng được thiết kế để lưu trữ một loại dữ liệu cụ thể và các loại dữ liệu số thường được gán chính xác để giúp bảo tồn bộ nhớ.

Ví dụ, một cảm biến nhiệt độ có thể báo cáo nhiệt độ trong lò công nghiệp kéo dài cứ sau mười giây chính xác đến tám chữ số thập phân. Các bài đọc từ điều này được sử dụng để phát hiện sự dao động bất thường về nhiệt độ có thể chỉ ra sự thất bại của một yếu tố sưởi ấm hoặc một số thành phần khác. Vì vậy, có thể có một kịch bản Python chạy so sánh mỗi lần đọc đến cuối cùng để kiểm tra các biến động lớn.

Các bài đọc từ cảm biến này cũng được lưu trữ trong cơ sở dữ liệu SQL để nhiệt độ trung bình hàng ngày bên trong lò có thể được tính toán mỗi ngày vào nửa đêm. Nhà sản xuất phần tử sưởi ấm bên trong lò khuyến nghị thay thế thành phần bất cứ khi nào nhiệt độ trung bình hàng ngày giảm 

>>> actual_value, truncated_value = 100, 100
23 độ dưới mức bình thường.

Đối với tính toán này, bạn chỉ cần ba vị trí chính xác thập phân. Nhưng bạn biết từ vụ việc tại Sở giao dịch chứng khoán Vancouver rằng việc loại bỏ quá nhiều độ chính xác có thể ảnh hưởng đáng kể đến tính toán của bạn.

Nếu bạn có sẵn không gian, bạn nên lưu trữ dữ liệu ở mức độ chính xác đầy đủ. Nếu lưu trữ là một vấn đề, một quy tắc tốt là lưu trữ ít nhất hai hoặc ba vị trí chính xác thập phân hơn bạn cần cho tính toán của mình.

Cuối cùng, khi bạn tính toán nhiệt độ trung bình hàng ngày, bạn nên tính toán nó với độ chính xác đầy đủ có sẵn và làm tròn câu trả lời cuối cùng.

Tuân thủ các quy định nội tệ

Khi bạn gọi một tách cà phê với giá 2,40 đô la tại quán cà phê, thương gia thường thêm thuế cần thiết. Số tiền thuế đó phụ thuộc rất nhiều vào nơi bạn ở địa lý, nhưng vì lợi ích của cuộc tranh luận, hãy để nói rằng nó đã nói 6%. Thuế được thêm vào được đưa ra tới 0,144 đô la. Bạn có nên làm tròn số tiền này lên đến $ 0,15 hoặc xuống $ 0,14? Câu trả lời có thể phụ thuộc vào các quy định được quy định bởi chính quyền địa phương!

Những tình huống như thế này cũng có thể phát sinh khi bạn chuyển đổi một loại tiền khác. Năm 1999, Ủy ban các vấn đề kinh tế và tài chính của châu Âu đã mã hóa việc sử dụng một nửa vòng tròn từ chiến lược không có tiền tệ khi chuyển đổi tiền tệ sang đồng euro, nhưng các loại tiền tệ khác có thể đã áp dụng các quy định khác nhau.

Một kịch bản khác, Vòng tròn Thụy Điển, xảy ra khi đơn vị tiền tệ tối thiểu ở cấp độ kế toán ở một quốc gia nhỏ hơn đơn vị tiền tệ vật lý thấp nhất. Ví dụ, nếu một tách cà phê có giá 2,54 đô la sau thuế, nhưng không có đồng xu 1 xu được lưu hành, bạn sẽ làm gì? Người mua đã giành chiến thắng có số tiền chính xác và người bán có thể thay đổi chính xác.

Làm thế nào các tình huống như thế này được xử lý thường được xác định bởi một chính phủ quốc gia. Bạn có thể tìm thấy một danh sách các phương pháp làm tròn được sử dụng bởi các quốc gia khác nhau trên Wikipedia.

Nếu bạn đang thiết kế phần mềm để tính toán tiền tệ, bạn phải luôn kiểm tra luật pháp và quy định địa phương tại các địa điểm của người dùng.

Khi nghi ngờ, các mối quan hệ tròn để thậm chí

Khi bạn làm tròn các số trong các bộ dữ liệu lớn được sử dụng trong các tính toán phức tạp, mối quan tâm chính là hạn chế sự tăng trưởng của lỗi do làm tròn.

Trong tất cả các phương pháp mà chúng tôi đã thảo luận trong bài viết này, một nửa làm tròn cho chiến lược thậm chí của người dùng giảm thiểu sự thiên vị làm tròn tốt nhất. May mắn thay, Python, Numpy và Pandas đều mặc định cho chiến lược này, vì vậy bằng cách sử dụng các chức năng làm tròn tích hợp mà bạn đã được bảo vệ tốt!

Bản tóm tắt

Whew! Thật là một hành trình này đã được!

  • Trong bài viết này, bạn đã học được điều đó:

  • Mỗi chiến lược làm tròn vốn đã đưa ra một thiên vị làm tròn, và một nửa làm tròn cho chiến lược thậm chí là giảm thiểu sự thiên vị này, hầu hết thời gian.

  • Cách mà các máy tính lưu trữ các số điểm nổi trong bộ nhớ tự nhiên đưa ra một lỗi làm tròn tinh tế, nhưng bạn đã học được cách làm việc xung quanh điều này với mô-đun 

    >>> rev_list=[97277, 96494, 104541, 132060, 98179, 87862, 84718, 95391, 94674, 89773, 92790, 86122]
>>> rev_list=[round(x,-3) for x in rev_list]
>>> rev_list
[97000, 96000, 105000, 132000, 98000, 88000, 85000, 95000, 95000, 90000, 93000, 86000]
>>>
    03 trong thư viện tiêu chuẩn Python.

  • Bạn có thể làm tròn các mảng numpy và gấu trúc 

    >>> actual_value, truncated_value = 100, 100
    04 và 
    >>> actual_value, truncated_value = 100, 100
    05 đối tượng.

  • Có những thực tiễn tốt nhất để làm tròn với dữ liệu trong thế giới thực.

Nếu bạn quan tâm đến việc tìm hiểu thêm và đào sâu vào các chi tiết lớn của tất cả mọi thứ chúng tôi đã đề cập, các liên kết dưới đây sẽ khiến bạn bận rộn khá lâu.

Ít nhất, nếu bạn đã thích bài viết này và học được điều gì đó mới từ nó, hãy chuyển nó cho một người bạn hoặc thành viên trong nhóm! Hãy chắc chắn để chia sẻ suy nghĩ của bạn với chúng tôi trong các ý kiến. Chúng tôi rất thích nghe một số câu chuyện chiến đấu liên quan đến làm tròn của riêng bạn!

Happy Pythoning!

Tài nguyên bổ sung

Chiến lược làm tròn và thiên vị:

  • Vòng tròn, Wikipedia
  • Các số làm tròn mà không cần thêm sai lệch, từ zipcpu

Thông số kỹ thuật nổi và số thập phân:

  • IEEE-754, Wikipedia
  • Thông số số học thập phân chung của IBM

Những bài đọc thú vị:

  • Những gì mọi nhà khoa học máy tính nên biết về số học nổi, David Goldberg, Khảo sát điện toán ACM, tháng 3 năm 1991
  • Số học dấu nổi: Các vấn đề và hạn chế, từ python.org
  • Tại sao các tầng phân chia số nguyên Python, bởi Guido Van Rossum

Làm thế nào để bạn làm tròn đến 1000 gần nhất?

Để làm tròn một số đến 1000 gần nhất, hãy nhìn vào hàng trăm chữ số. Nếu hàng trăm chữ số là 5 trở lên, làm tròn. Nếu hàng trăm chữ số là 4 hoặc ít hơn, làm tròn xuống. Hàng trăm chữ số trong 4559 là 5.look at the hundreds digit. If the hundreds digit is 5 or more, round up. If the hundreds digit is 4 or less, round down. The hundreds digit in 4559 is 5.

Làm thế nào để bạn làm tròn đến gần nhất trong Python?

Python có hàm vòng () tích hợp có hai đối số số, n và ndigits và trả về số N được làm tròn cho ndigits.Đối số NDigits mặc định là 0, do đó, để lại kết quả trong một số được làm tròn cho một số nguyên. . The ndigits argument defaults to zero, so leaving it out results in a number rounded to an integer.

Làm thế nào để bạn làm tròn hàng trăm trong Python?

Sử dụng hàm vòng () để làm tròn một số đến 100 gần nhất, ví dụ:kết quả = vòng (num, -2).Khi hàm vòng () được gọi với đối số thứ hai là -2, nó làm tròn đến bội số gần nhất của một trăm., e.g. result = round(num, -2) . When the round() function is called with a second argument of -2 , it rounds to the closest multiple of one hundred.

Round () làm gì trong Python?

Hàm vòng () trả về một số điểm nổi là phiên bản tròn của số được chỉ định, với số số thập phân được chỉ định.Số thập phân mặc định là 0, có nghĩa là hàm sẽ trả về số nguyên gần nhất.returns a floating point number that is a rounded version of the specified number, with the specified number of decimals. The default number of decimals is 0, meaning that the function will return the nearest integer.

programming python Python round

Bài Viết Liên Quan

Phòng khám trung nguyện ở bình đại bến tre năm 2024
Phòng khám trung nguyện ở bình đại bến tre năm 2024

mẹo hay
Cường hóa lên thẳng 15 trong nháy mắt năm 2024
Cường hóa lên thẳng 15 trong nháy mắt năm 2024

mẹo hay
Cải lương chi bảo là gì năm 2024
Cải lương chi bảo là gì năm 2024

là ai Hỏi Đáp Là gì
Top hãng mặt nạ nội địa trung quốc năm 2024
Top hãng mặt nạ nội địa trung quốc năm 2024

mẹo hay Top List Top
Giải hóa 8 bài nồng độ dung dịch năm 2024
Giải hóa 8 bài nồng độ dung dịch năm 2024

mẹo hay
Goh là viết tắt của gì trong tiếng anh năm 2024
Goh là viết tắt của gì trong tiếng anh năm 2024

là ai Học Tốt Tiếng anh GOH container Container lạnh
Bao cáo đầu tư mua đất để làm văn phòng năm 2024
Bao cáo đầu tư mua đất để làm văn phòng năm 2024

mẹo hay
Anh bộ đội cụ hồ gốc bỉ là gì năm 2024
Anh bộ đội cụ hồ gốc bỉ là gì năm 2024

là ai Hỏi Đáp Là gì
Tìm hiểu chung về văn bản nghị luận năm 2024
Tìm hiểu chung về văn bản nghị luận năm 2024

mẹo hay
Sử lý lỗi không lăng được chuột trong sketchup năm 2024
Sử lý lỗi không lăng được chuột trong sketchup năm 2024

mẹo hay Công Nghệ Chuột
Bài tập tìm hằng số cân bằng hoá 11 năm 2024
Bài tập tìm hằng số cân bằng hoá 11 năm 2024

mẹo hay Khỏe Đẹp Bài tập
Băn khoăn có nghĩa là gì năm 2024
Băn khoăn có nghĩa là gì năm 2024

là ai Hỏi Đáp Là gì Ngôn ngữ Nghĩa là gì
Hệ số lương 1.78 tương ứng ngạch nào năm 1996 năm 2024
Hệ số lương 1.78 tương ứng ngạch nào năm 1996 năm 2024

mẹo hay
Bánh rau câu sinh nhật chứa bao nhiêu calo năm 2024
Bánh rau câu sinh nhật chứa bao nhiêu calo năm 2024

bao nhieu Hỏi Đáp Bao nhiêu Món Ngon Bánh
Họ tiếng nhật của bạn là gì năm 2024
Họ tiếng nhật của bạn là gì năm 2024

là ai Hỏi Đáp Là gì
Ý nghĩa của header from top là gì năm 2024
Ý nghĩa của header from top là gì năm 2024

mẹo hay Hỏi Đáp Là gì Top List Top Header la gì Footer la gì
Tự học tiếng anh như thế nào hiệu quả năm 2024
Tự học tiếng anh như thế nào hiệu quả năm 2024

mẹo hay Hỏi Đáp Thế nào Học Tốt Học Tiếng anh Học tiếng Anh
Cơ thể con người năm hiến máu bao nhiêu lần năm 2024
Cơ thể con người năm hiến máu bao nhiêu lần năm 2024

bao nhieu Hỏi Đáp Bao nhiêu Khỏe Đẹp Cơ thể
Tuổi đinh mão xây nhà năm nào tốt năm 2024
Tuổi đinh mão xây nhà năm nào tốt năm 2024

mẹo hay Xây Đựng Xây Nhà
Khoán chi đến sản phẩm cuối cùng là gì năm 2024
Khoán chi đến sản phẩm cuối cùng là gì năm 2024

là ai Hỏi Đáp Là gì

Quảng Cáo

Có thể bạn quan tâm

Các phương pháp hóa học về nguyên tử năm 2024
2 tháng trước . bởi ArchaeologicalParliament
Điều nặng tiếng nhẹ là phương châm gì năm 2024
2 tháng trước . bởi ManlyPublisher
Poodle standard khổng lồ giá bao nhiêu năm 2024
2 tháng trước . bởi NonprofitApparatus
Bài tập trắc nghiệm phương trình chứa căn lớp 10 năm 2024
2 tháng trước . bởi CivilDiver
Sữa rửa mặt whoo đỏ review năm 2024
2 tháng trước . bởi UncertainAuthority
Dđộng mạch và tĩnh mạch khác nhau như thế nào năm 2024
2 tháng trước . bởi FoamingSharpness
Bài tập giới hạn của hàm số mathvn năm 2024
2 tháng trước . bởi UnfocusedBallet
Giải bài tập công nghệ 7 trong vbt bài 31 năm 2024
2 tháng trước . bởi FundamentalAirtime
Bóng đèn cực tím 1m2 công suất bao nhiêu watt năm 2024
2 tháng trước . bởi TrackingTrilogy
Cơ sở của giá trị hàng hóa là gì năm 2024
2 tháng trước . bởi Fast-foodLineage

Toplist được quan tâm

#1
Top 7 sự tích hồ gươm - ngữ văn lớp 6 2023
5 tháng trước
#2
Top 7 gdcd 6 bài 1 kết nối tri thức 2023
5 tháng trước
#3
Top 7 ý nghĩa của xây dựng gia đình văn hóa 2023
5 tháng trước
#4
Top 6 mẫu hợp đồng mượn đất làm nhà xưởng 2023
5 tháng trước
#5
Top 3 tổng tài biến thái tôi yêu anh tập 27 2023
5 tháng trước
#6
Top 6 kết thực phim mỹ nhân vô lệ 2023
5 tháng trước
#7
Top 9 trong những câu thơ sau câu nào sử dụng thành ngữ 2023
5 tháng trước
#8
Top 8 đề tài và chủ de của tác phẩm tắt đèn 2023
5 tháng trước
#9
Top 5 tiểu sử của thầy thích pháp hòa 2023
5 tháng trước

Quảng cáo

Xem Nhiều

Banner cỡ lớn treo ngoài đường tiếng anh là gì năm 2024
21 giờ trước
Top hãng mặt nạ nội địa trung quốc năm 2024
4 ngày trước
Giải hóa 8 bài nồng độ dung dịch năm 2024
5 ngày trước
Cường hóa lên thẳng 15 trong nháy mắt năm 2024
2 ngày trước
Goh là viết tắt của gì trong tiếng anh năm 2024
6 ngày trước
Phòng khám trung nguyện ở bình đại bến tre năm 2024
1 ngày trước
Anh bộ đội cụ hồ gốc bỉ là gì năm 2024
1 tuần trước
Cải lương chi bảo là gì năm 2024
3 ngày trước
Bao cáo đầu tư mua đất để làm văn phòng năm 2024
1 tuần trước

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội

DMCA.com Protection Status
Bản quyền © 2021 Học Tốt Inc.