详解Python中的数据精度问题
一、python运算时精度问题
1.运行时精度问题
在Python中(其他语言中也存在这个问题,这是计算机采用二进制导致的),有时候由于二进制和十进制之间对应问题会导致数值的精度问题,比如无法用有限个二进制位完整地表示0.1,因为0.1转化为二进制之后位一个无限循环小数
print(1.1*2.2)
查看运行结果:
2.解决方案:添加方法
需要将整数部分与小数部分单独做处理可以解决
def multiple(m1, m2): r='' ## 若存在浮点型,则先转化为整数 if type( m1 )==float or type( m2 )==float: print( "存在浮点数" ) len_m1=len( str( m1 ).split( "." )[1] ) len_m2=len( str( m2 ).split( "." )[1] ) print( "m1的小数位:", len_m1 ) print( "m2的小数位:", len_m2 ) m1=int( 10**len_m1*m1 ) m2=int( 10**len_m2*m2 ) print( "m1化为整数:", m1 ) print( "m2化为整数:", m2 ) r=str( m1*m2 ) print( "r:", r ) l=len_m1+len_m2 print( "l的总长度:", l ) if l<len( r ): r_front=r[:-l] r_last=r[-l:] print( r_front, "-", r_last ) r=r_front+"."+r_last else: r="0."+(l-len( r ))*"0"+r else: print( "不存在浮点数" ) r=m1*m2 return r res = multiple(1.1,2.2) print(res)
查看运行结果:
二、python四舍五入时精度问题
1.使用round与浮点数格式化时候的精度问题
归根结底是计算机存储浮点数的问题
a1 = 0.235 a2 = round(a1,2) a3 = '%.2f' % a1 print(a2) print(a3)
查看运行结果:
2.解决方案,使用Decimal函数
需要将float转换为Decimal,该类可以通过接受字符串(务必是字符串)形式的浮点数实现相对精确的小数计算(减缓了精度误差,但没有消灭)
from decimal import Decimal a1 = 0.235 a2 = Decimal(str(a1)).quantize(Decimal("0.00")) a3 = '{:.2f}'.format(Decimal(str(a1))) print(a2) print(a3)
查看运行结果:
到此这篇关于详解Python中的数据精度问题的文章就介绍到这了,更多相关Python数据精度问题内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
python中Array和DataFrame相互转换的实例讲解
在本篇文章里小编给大家整理的是一篇关于python中Array和DataFrame相互转换的实例讲解内容,对此有需要的朋友们可以学参考下。2021-02-02Python json 错误xx is not JSON serializable解决办法
这篇文章主要介绍了Python json 错误xx is not JSON serializable解决办法的相关资料,需要的朋友可以参考下2017-03-03
最新评论