python 浮點數四捨五入需要注意的地方
阿新 • • 發佈:2020-08-20
本文主要分享基於python的資料分析三方庫pandas,numpy的一次爬坑經歷,發現並分析了python語言對於浮點數精度處理不準確的問題,並在最後給出合理的解決方案。如果你也在用python處理資料,建議看一下,畢竟0.1的誤差都可能造成比較大的影響。
問題出現
早上到了公司,領導發了幾個檔案過來,說這兩天測試環境跑出來的資料,與實際情況有所出入,看看哪出的問題,儘快解決···
開始排查
先對比資料,發現並不是所有的資料都出現問題,只有10%左右的資料有這個問題,說明應該不是邏輯上的問題,初步判斷可能為個別情況需要特殊處理,考慮不周導致
檢查梳理各個運算模組,用debug斷點除錯一波,確定了資料出現偏差的模組
預期結果:np.round(0.5)=1,實際運算結果:np.round(0.5)=0,於是我做了如下的試驗
# 基於python3.7版本 >>> import numpy as np # 先看看 0 < x < 1 這個範圍的結果,發現有問題 >>> np.round(0.50) 0.0 >>> np.round(0.51) 1.0 >>> np.round(0.49) 0.0 # 我擔心是不是隻有小數點為.5的都會呈現這種問題,所以測試了 x > 1的結果,發現還是有問題 >>> np.round(1.5) 2.0 >>> np.round(2.5) 2.0 >>> np.round(3.5) 4.0 >>> np.round(4.5) 4.0
通過對比,發現確實涉及到.5的值會有些和預想的不同,看看啥原因
分析問題
確實發現了關於浮點數(.5出現了理解上的偏差),看看官方文件怎麼解釋這個現象
numpy.around(a,decimals=0,out=None)[source]
Evenly round to the given number of decimals.
# 對於恰好介於四捨五入的十進位制值之間的中間值(.5),NumPy會四捨五入為最接近的偶數值。
# 因此1.5和2.5四捨五入為2.0,-0.5和0.5四捨五入為0.0,依此類推。
For values exactly halfway between rounded decimal values,NumPy rounds to the nearest even value.
Thus 1.5 and 2.5 round to 2.0,-0.5 and 0.5 round to 0.0,etc.
# np.around使用快速但有時不精確的演算法來舍入浮點資料型別。
# 對於正小數,它等效於np.true_divide(np.rint(a * 10 **小數),10 **小數),
# 由於IEEE浮點標準[1]和 十次方縮放時引入的錯誤
np.around uses a fast but sometimes inexact algorithm to round floating-point datatypes.
For positive decimals it is equivalent to np.true_divide(np.rint(a * 10**decimals),10**decimals),
which has error due to the inexact representation of decimal fractions in the IEEE floating point standard [1]
and errors introduced when scaling by powers of ten
- 其實也就是說:對於帶有.5這種剛好介於中間的值,返回的是相鄰的偶數值
- 白話解釋:如果一個數字帶有浮點數(.5),整數部分為偶數,則返回這個偶數;整數部分奇數,則返回這個奇數+1的偶數
- 規律解釋:如果整數部分能夠整除2,則返回整數部分;如果整數部分不能整除2,則返回整數部分 +1
解決問題
先不做任何改動,看下資料誤差的情形
# 我們為了先看下現象,構造如下案例 import pandas as pd import numpy as np df = pd.DataFrame({"num1": [1,1,1.5,5,7.5],"num2": [2,3,6,3]}) df["真實值"] = df["num1"] / df["num2"] # 看下round函式過後的結果 df["偏差值"] = np.round(df["num1"] / df["num2"])
原始結果圖片如下
不做處理,期望值和偏差值不等的情況出現
我的解決方案
- 我根據我的精度要求,構建精度範圍所需要保留的小數點的最後一位,通過這個數字是否為5,判斷是否需要向上取整
- 舉例來說,本案例中我只需要保留整數部分的資料,那麼我只需要確定小數點後第一位是否是數字5就可以了
上程式碼
import pandas as pd import numpy as np import math df = pd.DataFrame({"除數": [1,"被除數": [2,3]}) # 記錄真實值 df["真實值"] = df["除數"] / df["被除數"] # 記錄整數部分 df["輔助整數列"] = df["真實值"].apply(lambda x: math.modf(x)[1]) # 記錄小數部分,因為我的最後結果精度為只保留整數部分,所以我只需要保留一個小數點位進行判斷是否需要進位操作 df["輔助小數列"] = df["真實值"].apply(lambda x: str(math.modf(x)[0]).split(".")[1][0]) # 小數點後的第一位是為5,則向上取整,不是5則呼叫原np.round就行了 df["期望值修正"] = df.apply(lambda x: x.輔助整數列 + 1 if (x.輔助小數列 == "5") else np.round(x.真實值),axis=1)
結果如下所示
以上就是python 四捨五入需要注意的地方的詳細內容,更多關於python 四捨五入的資料請關注我們其它相關文章!