Python中的数字运算及格式化

本篇内容主要讲解“Python中的数字运算及格式化”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python中的数字运算及格式化”吧!

成都创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站设计、成都做网站、外贸网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的兴城网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

本篇幅主要针对浮点数的一些计算及格式化输出。

round()

Python 提供的内置函数 round(number[, ndigits]) 可用于简单的舍入运算。如下示例：

>>> round(1.23)

1

>>> round(1.23, 1)

1.2

>>> round(1.27, 1)

1.3

>>> round(-1.27, 1)

-1.3

>>> round(1.2346, 3)

1.235

round() 函数返回四舍五入到小数点后 ndigits 位精度的数字。如果 ndigits 默认为 None，则返回最接近的整数。

ndigits 参数可以是负数，在这种情况下，舍入运算会作用在十位、百位、千位等上面。例如：

>>> x = 1234567

>>> round(x, -1)

1234570

>>> round(x, -2)

1234600

>>> round(x, -3)

1235000

如果一个数字刚好在两个边界中间时，调用 round() 函数会返回离它最近的偶数。例如 round(0.5) 和 round(-0.5) 返回的结果都是 0。如下示例：

>>> round(0.5)

0

>>> round(-0.5)

0

有时运用 round() 会得不到期望的值。例如 round(2.675, 2) 得到的是 2.67，却不是期望得到的 2.68。如下：

>>> round(2.675, 2)

2.67

这并非是 bug。Python 文档也给出了其中的注解，这是因为大多数十进制小数实际上都不能以浮点数精确地表示。

Note:The behavior of round() for floats can be surprising: for example, round(2.675, 2) gives 2.67 instead of the expected 2.68. This is not a bug: it’s a result of the fact that most decimal fractions can’t be represented exactly as a float.

若需了解更多信息可以访问： Floating Point Arithmetic: Issues and Limitations。

格式化输出

数字舍入跟格式化不能混淆。若是简单输出指定宽度的数，可以考虑用 format()，不需要使用 round()。在格式化的时候指定精度就可以。例如：

>>> x = 1234.56789

>>> # 精确到小数点后两位

... format(x, '0.2f')

'1234.57'

>>> # 以 10 个字符右对齐，精确到小数点 1 位

... format(x, '>10.1f')

' 1234.6'

>>> # 左对齐

... format(x, '<10.1f')

'1234.6 '

>>> # 居中

... format(x, '^10.1f')

' 1234.6 '

>>> # 包含千分位分隔符

... format(x, ',')

'1,234.56789'

>>> format(x, '0,.1f')

'1,234.6'

>>>

同样可以使用指数记法，将 f 改成 e 或者 E(取决于指数输出的大小写形式)。示例如下：

>>> format(x, 'e')

'1.234568e+03'

>>> format(x, '0.2E')

'1.23E+03'

指定宽度和精度的一般形式为 '[<>^]?width[,]?(.digits)?'，其中 width 和 digits 为整数，? 代表可选部分。这种格式可以用在字符串的 format() 方法中。示例如下：

>>> 'The value is {:0,.2f}'.format(x)

'The value is 1,234.57'

精确运算郑州较好的妇科医院 http://www.kd0371.com/

因为浮点数运算存在误差，不建议尝试使用舍入浮点值来“修正”表面上看起来正确的问题。示例如下：

>>> a = 2.1

>>> b = 4.2

>>> c = a + b

>>> c

6.300000000000001

>>> c = round(c, 2) # 不建议这么做

>>> c

6.3

一般使用浮点数的情况下，不建议这么做。这些误差在一般情况下能够被容忍的。但是如果涉及到比如金融领域(不允许小误差存在)的情况下，建议考虑使用 decimal 模块。

decimal

由于浮点数不能精确的表示十进制，会出现上述简单数学运算出现误差的情况。

Python 提供的 decimal 模块，在损耗一定性能的前提下，能够解决这个问题。如下示例：

>>> from decimal import Decimal

>>> a = Decimal('4.2')

>>> b = Decimal('2.1')

>>> a + b

Decimal('6.3')

>>> print(a + b)

6.3

>>> (a + b) == Decimal('6.3')

True

虽然代码写起来会有些奇怪，但是 Decimal 对象能够像普通的浮点数支持所有的常用数学运算。在使用 print 的情况下，跟普通数字没有区别。

decimal 允许控制计算，包括精确位数跟舍入运算。可以通过创建上下文管理器进行设置更改，示例如下：

>>> from decimal import localcontext

>>> a = Decimal('1.3')

>>> b = Decimal('1.7')

>>> print(a/b)

0.7647058823529411764705882353

>>> with localcontext() as ctx:

... ctx.prec = 3 # 精确位数

... print(a/b)

...

0.765

>>> with localcontext() as ctx:

... ctx.prec = 50 # 精确位数

... print(a/b)

...

0.76470588235294117647058823529411764705882352941176

decimal 运用场景，更常见的是在金融领域(不能容忍小误差存在)。

但是 decimal，需要损耗性能进行精确的运算，在普通领域，甚至于科学领域的大多数运算，使用普通浮点数类型是普遍的做法。

除了真实世界很少要求要精确到普通浮点数能提供的 17 位精度的原因外，还有进行大量运算的时候，普通浮点数要快得多，这同样是需要衡量的地方。

但也不能完全忽略误差，误差出现，同样需要研究并理解误差产生的来源。

到此，相信大家对“Python中的数字运算及格式化”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！