热门文章
 当前位置：技术文章 > 编程面试题 >

round（）和numpy.round（）之间的内在区别是什么？

问题内容：

让我们看一下令人震惊的回合声明：

>>> round(2.675, 2)
2.67

我知道为什么会“失败”；这是因为2.675的二进制表示形式：

>>> import decimal
>>> decimal.Decimal(2.675)
Decimal('2.67499999999999982236431605997495353221893310546875')

我不明白的是： 为什么NumPy不会失败 ？

>>> import numpy
>>> numpy.round(2.675, 2)
2.6800000000000002

思维

不要介意多余的零；这是Python打印内部舍入的伪像。如果我们看一下“精确”值，它们仍然是不同的：

>>> decimal.Decimal(round(2.675, 2))
Decimal('2.6699999999999999289457264239899814128875732421875')

>>> decimal.Decimal(numpy.round(2.675, 2))
Decimal('2.680000000000000159872115546022541821002960205078125')

为什么哦，为什么NumPy会表现？

我最初以为NumPy必须使用额外的位来处理浮点数，但是：

>>> decimal.Decimal(numpy.float(2.675))
Decimal('2.67499999999999982236431605997495353221893310546875')
>>> decimal.Decimal(2.675)
Decimal('2.67499999999999982236431605997495353221893310546875')
# Twins!

幕后发生了什么？我稍微看了看NumPy的全面实现，但是我是Python新手，而且我看不到任何多余的东西。


问题答案：

引擎盖差异最大的一个记录在案：

如果您在数字中间，则np.round四舍五入到最接近的“偶数”数字（乘以10**nwheren是相应round函数的第二个参数），而内建round函数则四舍五入为0。

>>> np.round(2.685, 2)
2.6800000000000002
>>> round(2.685, 2)
2.69

在幕后，使用scaleing参数时可能会有所不同。考虑之间的差异round(2.675 * 10.**2)和round(2.675, 2)。当然，这是浮点数学运算的结果，该运算符一如既往具有一些舍入误差。要走得更远，我们确实需要看一下实际的实现。