Hướng dẫn round() function python - hàm round () python
Hàm round() trong Python làm tròn x về n chữ số sau dấu thập phân. Python làm tròn theo cách sau: round(0.5) là 1.0 và round(-0.5) là -1.0round() trong Python làm tròn x về n chữ số sau dấu thập phân. Python làm tròn theo cách sau: round(0.5) là 1.0 và round(-0.5) là -1.0 Nội dung chính ShowShow Cú phápCú pháp của round() trong Python:round() trong Python: Các tham số:
Ví dụ sau minh họa cách sử dụng của hàm round() trong Python. print ("round(50.25556, 2) : ", round(50.25556, 2)) print ("round(10.000056, 3) : ", round(10.000056, 3)) print ("round(-10.000056, 3) : ", round(-10.000056, 3)) Chạy chương trình Python trên sẽ cho kết quả: round(50.25556, 2) : 50.26 round(10.000056, 3) : 10.0 round(-10.000056, 3) : -10.0 Tiếp tục với chủ đề các hàm tích hợp sẵn trong Python, bài viết sẽ giới thiệu cho các bạn về hàm round() với cú pháp, cách sử dụng cũng như các ví dụ cụ thể. Mời bạn đọc theo dõi. Nội dung chính
Cú pháp trong Python làm tròn một số cho trước, trả về số đó dưới dạng số dấu phẩy động, có số chữ số sau dấu phẩy được chỉ định. Số sau dấu phẩy mặc định là 0, nghĩa là hàm sẽ trả về số nguyên gần nhất. Cú pháp hàm round() trong Python:
Các tham số của hàm round()Cú pháp của round() trong Python:
Giá trị trả về từ round()
Ví dụ 1: round() hoạt động như thế nào?print ("round(50.25556, 2) : ", round(50.25556, 2)) print ("round(10.000056, 3) : ", round(10.000056, 3)) print ("round(-10.000056, 3) : ", round(-10.000056, 3))
Chạy chương trình Python trên sẽ cho kết quả:
Ví dụ 2: Làm tròn số đến vị trí ndigits đã choround(50.25556, 2) : 50.26 round(10.000056, 3) : 10.0 round(-10.000056, 3) : -10.0
Chạy chương trình Python trên sẽ cho kết quả:
Đăng nhậpround(50.25556, 2) : 50.26 round(10.000056, 3) : 10.0 round(-10.000056, 3) : -10.0 Nội dung chính
Cú pháp Cú pháp của round() trong Python: Các tham số:
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 vòng () Python tích hợp ()Python có hàm 3 tích hợp có hai đối số số, 4 và 9 và trả về số 4 được làm tròn thành 9. Đối số 9 mặc định là 0, do đó, để lại kết quả trong một số được làm tròn cho một số nguyên. Như bạn thấy, 3 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:
Nó là một thuật toán đơn giản! Ví dụ: số 4 được làm tròn đến số toàn bộ gần nhất là 5. Số 6 được làm tròn đến một vị trí thập phân là 7.Bây giờ hãy mở một phiên thông dịch viên và vòng 4 cho toàn bộ số gần nhất bằng cách sử dụng chức năng 3 tích hợp của Python,: Chức năng:Gasp! Làm thế nào để 3 xử lý số 01?Vì vậy, 3 vòng 01 lên đến 04 và 4 xuống 04!Trước khi bạn đưa ra một vấn đề trên trình theo dõi lỗi Python, hãy để tôi đảm bảo với bạn rằng 07 được cho là sẽ trả lại 04. Có một lý do chính đáng tại sao 3 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. 3 hành xử theo một chiến lược làm tròn cụ thể mà có thể hoặc không phải là một trong những tình huống 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 11 cắt ngắn một số xuống ba số thập phân:>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.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 19:>>>
Hàm 11 hoạt động bằng cách đầu tiên chuyển điểm thập phân trong số 4 ba vị trí bên phải bằng cách nhân 4 với 15. Phần số nguyên của số mới này được thực hiện với 16. Cuối cùng, điểm thập phân được chuyển ba vị trí trở lại bên trái bằng cách chia 4 cho 15.>>>
Thịt mô phỏng diễn ra trong vòng 26, lặp qua 27 của các số trong khoảng từ 28 và 29. Giá trị được lấy từ 30 ở mỗi bước được lưu trữ trong biến 31 mà chúng tôi sử dụng ở đây vì chúng tôi thực sự cần giá trị này bên trong vòng lặp.Ở mỗi bước của vòng lặp, một số ngẫu nhiên mới giữa 20 và 21 được tạo bằng cách sử dụng 34 và được gán cho biến 35. Giá trị mới của khoản đầu tư của bạn được tính bằng cách thêm 35 vào 37 và tổng số bị cắt được tính bằng cách thêm 35 vào 39 và sau đó cắt ngắn giá trị này với 11.Như bạn có thể thấy bằng cách kiểm tra biến 37 sau khi chạy vòng lặp, bạn chỉ mất khoảng 3,55 đô la. Tuy nhiên, nếu bạn đã nhìn vào 39, bạn đã nghĩ rằng bạn đã mất gần như tất cả số tiền của mình!Bỏ qua thời điểm mà 3 không hành xử như bạn mong đợi, hãy để Lôi thử chạy lại mô phỏng. Chúng tôi sẽ sử dụng 3 lần này để làm tròn đến ba vị trí thập phân ở mỗi bước và 45 Mô phỏng một lần nữa để có được kết quả tương tự như trước đây:>>>
Thật la khac biệt! Có vẻ như gây sốc, lỗi chính xác này đã gây ra sự khuấy động vào đầu những năm 1980 khi hệ thống được thiết kế để ghi lại giá trị của Sở giao dịch chứng khoán Vancouver đã cắt giảm giá trị chỉ số tổng thể thành ba vị trí thập phân thay vì làm tròn. Lỗi làm tròn đã gây ảnh hưởng đến các cuộc bầu cử và thậm chí dẫn đến việc mất mạng. Làm thế nào bạn có số tròn là quan trọng, và là một nhà phát triển và thiết kế phần mềm có trách nhiệm, bạn cần biết những vấn đề phổ biến là gì và làm thế nào để đối phó với chúng. Hãy để lặn và điều tra các phương pháp làm tròn khác nhau là gì và làm thế nào bạn có thể thực hiện từng phương pháp trong Python thuần túy. Một người đàn ông của các phương phápCó 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 ngắnPhương 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:
Bạn đã thấy một cách để thực hiện điều này trong hàm 11 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:
Bạn có thể khái quát quy trình này bằng cách thay thế 15 bằng số 10ᵖ ( 51 được nâng lên công suất PTH), trong đó p là số lượng vị trí thập phân để cắt ngắn đến:
Trong phiên bản 11 này, đối số thứ hai mặc định là 28 để nếu không có đối số thứ hai được truyền cho hàm, thì 11 sẽ trả về phần số nguyên của bất kỳ số nào được truyền cho nó.Hàm 11 hoạt động tốt cho cả số dương và số âm:>>> 0Bạn thậm chí có thể chuyển một số âm cho 56 để cắt ngắn thành các chữ số ở bên trái của dấu thập phân:>>> 1Khi 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 trungChiến 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:
Bạn đã thấy một cách để thực hiện điều này trong hàm 11 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 15 để thay đổi số thập phân ba vị trí sang bên phảiLấy phần số nguyên của số mới đó với 16Trong toán học, một chức năng đặc biệt gọi là hàm trần ánh xạ mỗi số lên trần nhà của nó. Để cho phép hàm trần chấp nhận số nguyên, trần của một số nguyên được xác định là chính số nguyên. Vì vậy, trần của số 04 là 04.ceiling 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 04 is 04.Trong Python, 69 thực hiện hàm trần và luôn trả về số nguyên gần nhất lớn hơn hoặc bằng đầu vào của nó:>>> 2Lưu ý rằng trần của 70 là 28, không phải 72. Điều này có ý nghĩa bởi vì 28 là số nguyên gần nhất đến 70 lớn hơn hoặc bằng 70.Hãy cùng viết một chức năng gọi là 76 thực hiện chiến lược làm tròn lên trên mạng: 3Bạn có thể nhận thấy rằng 76 trông rất giống 11. Đầu tiên, điểm thập phân trong 4 được dịch chuyển đúng số vị trí sang phải bằng cách nhân 4 với 81. Giá trị mới này được làm tròn lên đến số nguyên gần nhất bằng cách sử dụng 69, và sau đó điểm thập phân được chuyển trở lại bên trái bằng cách chia cho 81.Mô hình này thay đổi điểm thập phân, áp dụng một số phương pháp làm tròn để làm tròn sang số nguyên, và sau đó chuyển điểm thập phân trở lại sẽ đi lại nhiều lần khi chúng tôi điều tra các phương pháp làm tròn nhiều hơn. Rốt cuộc, đây là thuật toán tinh thần mà con người chúng ta sử dụng cho các số tròn bằng tay. Hãy cùng xem xét 76 hoạt động tốt như thế nào cho các đầu vào khác nhau:>>> 4Lưu ý rằng trần của 70 là 28, không phải 72. Điều này có ý nghĩa bởi vì 28 là số nguyên gần nhất đến 70 lớn hơn hoặc bằng 70.>>> 5Lưu ý rằng trần của 70 là 28, không phải 72. Điều này có ý nghĩa bởi vì 28 là số nguyên gần nhất đến 70 lớn hơn hoặc bằng 70.Hãy cùng viết một chức năng gọi là 76 thực hiện chiến lược làm tròn lên trên mạng:>>> 6Lưu ý rằng trần của 70 là 28, không phải 72. Điều này có ý nghĩa bởi vì 28 là số nguyên gần nhất đến 70 lớn hơn hoặc bằng 70.Hãy cùng viết một chức năng gọi là 76 thực hiện chiến lược làm tròn lên trên mạng:Bạn có thể nhận thấy rằng 76 trông rất giống 11. Đầu tiên, điểm thập phân trong 4 được dịch chuyển đúng số vị trí sang phải bằng cách nhân 4 với 81. Giá trị mới này được làm tròn lên đến số nguyên gần nhất bằng cách sử dụng 69, và sau đó điểm thập phân được chuyển trở lại bên trái bằng cách chia cho 81.Mô hình này thay đổi điểm thập phân, áp dụng một số phương pháp làm tròn để làm tròn sang số nguyên, và sau đó chuyển điểm thập phân trở lại sẽ đi lại nhiều lần khi chúng tôi điều tra các phương pháp làm tròn nhiều hơn. Rốt cuộc, đây là thuật toán tinh thần mà con người chúng ta sử dụng cho các số tròn bằng tay.Hãy cùng xem xét 76 hoạt động tốt như thế nào cho các đầu vào khác nhau:Giống như # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))11, bạn có thể chuyển giá trị âm cho # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))56:Khi bạn chuyển một số âm cho 56, số trong đối số đầu tiên của 76 được làm tròn đến số chữ số chính xác ở bên trái của dấu thập phân.
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 trị Làm tròn xuống >>> 7Kết quả 8Hàng chục nơi Những người >>> 9Vị trí thứ mười Vị trí hàng trăm 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 # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))99 và # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))76. 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 76, chúng tôi đã sử dụng 69 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 58 có chức năng 04 trả về sàn của đầu vào của nó:Ở đây, định nghĩa của 05:Mặt khác, hàm 11 là đối xứng xung quanh 0. Điều này là bởi vì, sau khi chuyển điểm thập phân sang bên phải, 11 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, 26 trả về 61 và 28 trả về 72.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: >>> 0Hãy để tính toán giá trị trung bình của các giá trị trong 30 bằng hàm 31:>>> 1Hãy để tính toán giá trị trung bình của các giá trị trong 30 bằng hàm 31:>>> 2Hãy để tính toán giá trị trung bình của các giá trị trong 30 bằng hàm 31:Bây giờ áp dụng từng 76, 05 và 11 trong danh sách hiểu biết để làm tròn từng số trong 30 đến một vị trí thập phân và tính giá trị trung bình mới:Sau khi mỗi số trong 30 được làm tròn, giá trị trung bình mới là khoảng 37, lớn hơn giá trị trung bình thực tế của 38. Làm tròn xuống dịch chuyển trung bình xuống khoảng 39. Giá trị trung bình của các giá trị bị cắt là khoảng 40 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 30 chứa số lượng giá trị dương và âm bằng nhau. Hàm 11 sẽ hoạt động giống như 76 trên danh sách tất cả các giá trị dương và giống như 05 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.tie with respect to 60 and 48. In cases like this, you must assign a tiebreaker.Ví dụ: nếu ai đó yêu cầu bạn làm tròn các số 45 và 46 đến một vị trí thập phân, có lẽ bạn sẽ phản hồi nhanh chóng với 60 và 48. Các chức năng 11, 76 và 05 don don làm bất cứ điều gì như thế này.Còn số 10 11 6 5 7 0 152 thì sao? Bạn có thể nghĩ ngay lập tức để làm tròn điều này đến 10 11 6 5 7 0 148, nhưng trong thực tế, 10 11 6 5 7 0 152 là tương đương từ # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))60 và 10 11 6 5 7 0 148. Theo một nghĩa nào đó, # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))60 và 10 11 6 5 7 0 148 đều là những con số gần nhất đến 10 11 6 5 7 0 152 với độ chính xác của số thập phân. Số 10 11 6 5 7 0 152 được gọi là cà vạt liên quan đến # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))60 và 10 11 6 5 7 0 148. Trong các trường hợp như thế này, bạn phải chỉ định một kẻ phá vỡ.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.
Vị trí thứ mười Vị trí hàng trăm
Nếu chữ số ở vị trí thập phân đầu tiên của giá trị thay đổi nhỏ hơn năm, thì việc thêm 64 won Thay đổi phần số nguyên của giá trị dịch chuyển, do đó sàn bằng phần nguyên. 3Nếu chữ số đầu tiên sau vị trí thập phân lớn hơn hoặc bằng 63, thì việc thêm 64 sẽ tăng phần số nguyên của giá trị dịch chuyển bằng 61, do đó, sàn bằng với số nguyên lớn hơn này.Hãy để thử nghiệm 70 trên một vài giá trị để thấy rằng nó hoạt động:>>> 4Vì 70 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 97 tròn đến 72, không phải là 98:>>> 5Vì 70 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 97 tròn đến 72, không phải là 98:>>> 6Vì 70 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 97 tròn đến 72, không phải là 98:>>> 7Vì 70 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 97 tròn đến 72, không phải là 98:Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 3 tích hợp từ chối cho bạn:Mặc dù trước khi bạn quá phấn khích, hãy để Lừa xem điều gì sẽ xảy ra khi bạn cố gắng và làm tròn 80 đến 04 Số thập phân:>>> 8Vì 70 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 97 tròn đến 72, không phải là 98:>>> 9Tuyệt quá! Bây giờ bạn cuối cùng có thể nhận được kết quả đó rằng chức năng 3 tích hợp từ chối cho bạn:Mặc dù trước khi bạn quá phấn khích, hãy để Lừa xem điều gì sẽ xảy ra khi bạn cố gắng và làm tròn 80 đến 04 Số thập phân:Chờ đợi. Chúng tôi vừa thảo luận về cách các mối quan hệ được làm tròn đến các giá trị lớn hơn của hai giá trị có thể. 80 bị đập vào giữa 83 và 84. Vì 83 là lớn hơn của hai người này, 86 sẽ trả lại 83. Nhưng thay vào đó, chúng tôi có 84.Có lỗi trong hàm 70 không?should not be used in situations where precision is paramount. For applications where the exact precision is necessary, you can use the 07 class from Python’s 08 module. You’ll learn more about the 07 class below.Khi 70 vòng 80 đến hai vị trí thập phân, điều đầu tiên nó làm là nhân 80 với 19. Hãy để đảm bảo rằng điều này hoạt động như mong đợi:Vâng, đó là sai! Nhưng nó giải thích tại sao 86 trả về -1,23. Hãy để tiếp tục các bước từng bước ____270, sử dụng 31 trong bản phát hành để nhớ lại đầu ra giá trị cuối cùng ở mỗi bước:Mặc dù 10 11 6 5 7 0 197 thực sự gần với 10 11 6 5 7 0 198, số nguyên gần nhất nhỏ hơn hoặc bằng với nó là 10 11 6 5 7 0 199. Khi điểm thập phân được chuyển trở lại bên trái, giá trị cuối cùng là 10 11 6 5 7 0 184.Chà, bây giờ bạn biết làm thế nào 86 trả về 84 mặc dù không có lỗi logic, nhưng tại sao Python nói rằng 03 là 04? Có lỗi trong Python không?
Vòng một nửa xuống 0Kết quả >>> 1Hàng chục nơi >>> 2Những người >>> 3Vị trí thứ mười >>> 4Vị trí hàng trăm Bạn có thể thực hiện chiến lược nửa làm tròn xuống trong Python bằng cách thay thế 08 trong hàm 70 bằng 69 và trừ 64 thay vì thêm: thêm:Hãy để kiểm tra print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))16 so với một vài trường hợp thử nghiệm:Cả 70 và 16 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:>>> 5Hãy để tính toán giá trị trung bình của các số sau:
Giá trị
Sau khi làm tròn theo một trong bốn quy tắc trên, sau đó bạn chuyển vị trí thập phân trở lại bên trái. Với một số 4 và giá trị cho 56, bạn có thể thực hiện điều này trong Python bằng cách sử dụng 70 và 16: 6Điều đó đủ dễ dàng, nhưng thực sự có một cách đơn giản hơn! Nếu trước tiên bạn lấy giá trị tuyệt đối của 4 bằng cách sử dụng hàm 41 tích hợp của Python, bạn chỉ có thể sử dụng 70 để làm tròn số. Sau đó, tất cả những gì bạn cần làm là cho số tròn giống như 4. Một cách để làm điều này là sử dụng chức năng 44. 44 lấy hai số 46 và 47 và trả về 46 với dấu hiệu của 47:>>> 7Lưu ý rằng 44 trả về 10, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 41, 70 và 44, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python: 8Trong 55, giá trị tuyệt đối của 4 được làm tròn đến 56 vị trí thập phân bằng cách sử dụng 70 và kết quả này được gán cho biến 59. Sau đó, dấu hiệu ban đầu của 4 được áp dụng cho 59 bằng cách sử dụng 44 và giá trị cuối cùng này với dấu hiệu chính xác được trả về bởi hàm.Kiểm tra 55 trên một vài giá trị khác nhau cho thấy hàm hoạt động như mong đợi:>>> Lưu ý rằng 44 trả về 10, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 41, 70 và 44, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python:Trong 55, giá trị tuyệt đối của 4 được làm tròn đến 56 vị trí thập phân bằng cách sử dụng 70 và kết quả này được gán cho biến 59. Sau đó, dấu hiệu ban đầu của 4 được áp dụng cho 59 bằng cách sử dụng 44 và giá trị cuối cùng này với dấu hiệu chính xác được trả về bởi hàm.>>> 0Lưu ý rằng 44 trả về 10, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 41, 70 và 44, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python:Trong 55, giá trị tuyệt đối của 4 được làm tròn đến 56 vị trí thập phân bằng cách sử dụng 70 và kết quả này được gán cho biến 59. Sau đó, dấu hiệu ban đầu của 4 được áp dụng cho 59 bằng cách sử dụng 44 và giá trị cuối cùng này với dấu hiệu chính xác được trả về bởi hàm.Kiểm tra print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))55 trên một vài giá trị khác nhau cho thấy hàm hoạt động như mong đợi: 9
Giá trị Vòng một nửa để thậm chí Kết quả >>> 1Lưu ý rằng 44 trả về 10, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 41, 70 và 44, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python:>>> 2Lưu ý rằng 44 trả về 10, mặc dù cả hai đối số của nó đều là số nguyên.Sử dụng 41, 70 và 44, bạn có thể thực hiện một nửa vòng tròn từ chiến lược không có trong hai dòng Python:Trong print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))55, giá trị tuyệt đối của >>> 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 được làm tròn đến # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))56 vị trí thập phân bằng cách sử dụng 10 11 6 5 7 0 170 và kết quả này được gán cho biến print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))59. Sau đó, dấu hiệu ban đầu của >>> 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 được áp dụng cho print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))59 bằng cách sử dụng print(round(2.665, 2)) print(round(50.25556, 2)) print(round(100.000056, 3)) print(round(80.23456, 2)) print(round(122.145,5))44 và giá trị cuối cùng này với dấu hiệu chính xác được trả về bởi hàm.Kiểm tra 55 trên một vài giá trị khác nhau cho thấy hàm hoạt động như mong đợi:9 Những lợi ích của mô -đun 08 bao gồm:
Hãy cùng khám phá cách làm việc làm tròn hoạt động trong mô -đun 08. Bắt đầu bằng cách nhập phần sau vào Python Repls:>>> 3 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 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 08 07. Để làm như vậy, hãy tạo một thể hiện 07 mới bằng cách chuyển 00 chứa giá trị mong muốn:>>> 4 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. Bối cảnh bao gồm độ chính xác mặc định và chiến lược làm tròn mặc định, trong số những thứ khác.>>> 5 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.>>> 6 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.>>> 7 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. Bối cảnh bao gồm độ chính xác mặc định và chiến lược làm tròn mặc định, trong số những thứ khác.>>> 8 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 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 08 07. Để làm như vậy, hãy tạo một thể hiện 07 mới bằng cách chuyển 00 chứa giá trị mong muốn:
Làm tròn từ số không 34Làm tròn một nửa so với số không >>> 9 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.>>> 0 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. 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 08 là 95. Điều này phù hợp với chức năng 3 tích hợp và phải là chiến lược làm tròn ưa thích cho hầu hết các mục đích.
>>> 1 91 Trả về một đối tượng 92 đại diện cho bối cảnh mặc định của mô -đun 08. Bối cảnh bao gồm độ chính xác mặc định và chiến lược làm tròn mặc định, trong số những thứ khác.Có ba chiến lược trong mô -đun 08 cho phép làm tròn nhiều sắc thái hơn. Phương pháp 34 làm tròn mọi thứ theo số gần nhất và phá vỡ mối quan hệ bằng cách làm tròn từ số không:>>> 2Lưu ý rằng 34 hoạt động giống như 55 của chúng tôi và không thích 70.Ngoài ra còn có một chiến lược 35 phá vỡ mối quan hệ bằng cách làm tròn về 0:>>> 3Lưu ý rằng 34 hoạt động giống như 55 của chúng tôi và không thích 70.>>> 4Lưu ý rằng 34 hoạt động giống như 55 của chúng tôi và không thích 70.>>> 5Lưu ý rằng 34 hoạt động giống như 55 của chúng tôi và không thích 70.Ngoài ra còn có một chiến lược 35 phá vỡ mối quan hệ bằng cách làm tròn về 0:Chiến lược làm tròn cuối cùng có sẵn trong mô -đun 08 rất khác với bất cứ điều gì chúng ta đã thấy cho đến nay:Trong các ví dụ trên, có vẻ như 37 làm tròn mọi thứ về 0. Trên thực tế, đây chính xác là cách 37 hoạt động, trừ khi kết quả của việc làm tròn kết thúc trong một 28 hoặc 63. Trong trường hợp đó, số được làm tròn khỏi số không:Trong ví dụ đầu tiên, số 2.67 50.26 100.0 80.23 122.14567 lần đầu tiên được làm tròn về 0 ở vị trí thập phân thứ hai, tạo ra 2.67 50.26 100.0 80.23 122.14568. Vì 2.67 50.26 100.0 80.23 122.14568 không kết thúc trong một # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))28 hoặc 10 11 6 5 7 0 163, nên nó được để lại như vậy. Mặt khác, 2.67 50.26 100.0 80.23 122.14572 được làm tròn về 0 ở vị trí thập phân thứ hai, dẫn đến số # không có tham số ndigits print(round(10)) print(round(10.7)) print(round(5.5)) print(round(5.4)) print(round(6.8)) print(round(0.1)) print(round(0.7))01. Điều này kết thúc trong một 10 11 6 5 7 0 163, vì vậy vị trí thập phân đầu tiên sau đó được làm tròn từ số 0 đến def truncate(n, decimals=0): multiplier = 10 ** decimals return int(n * multiplier) / multiplier 7.Trong phần này, chúng tôi chỉ tập trung vào các khía cạnh làm tròn của mô -đun 08. Có một số lượng lớn các tính năng khác làm cho 08 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 07, hãy xem hướng dẫn bắt đầu nhanh trong các tài liệu Python.>>> 6Tiếp 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 79. 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.>>> 7Hãy để tạo ra một số dữ liệu bằng cách tạo một mảng số giả ngẫu nhiên 3 × 4: Đầu tiên, chúng tôi gieo hạt mô -đun 80 để bạn có thể dễ dàng tái tạo đầu ra. Sau đó, một mảng số điểm nổi 3 × 4 được tạo bằng 81.Để làm tròn tất cả các giá trị trong mảng 30, bạn có thể chuyển 30 làm đối số cho hàm 84. Số lượng vị trí thập phân mong muốn được đặt với đối số từ khóa 56. Một nửa vòng cho chiến lược thậm chí được sử dụng, giống như chức năng 3 tích hợp của Python.
Ví dụ: các vòng sau tất cả các giá trị trong 30 đến ba số thập phân:>>> 8 84 là sự thương xót của lỗi biểu diễn dấu phẩy động, giống như 3 là.Ví dụ: giá trị trong hàng thứ ba của cột đầu tiên trong mảng 30 là 91. 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 92. Nhưng bạn có thể thấy trong đầu ra từ 84 rằng giá trị được làm tròn thành 94. Tuy nhiên, giá trị 95 trong hàng đầu tiên của cột thứ hai chính xác là 96.
Hàm 01 làm tròn mọi giá trị trong mảng đến số nguyên gần nhất lớn hơn hoặc bằng giá trị ban đầu:>>> 9Này, chúng tôi đã phát hiện ra một số mới! Số 0 tiêu cực! >>> 0Trên thực tế, tiêu chuẩn IEEE-754 yêu cầu thực hiện cả số 0 dương và âm. Những gì có thể sử dụng là có một cái gì đó như thế này? Wikipedia biết câu trả lời: >>> 1Về mặt không chính thức, người ta có thể sử dụng ký hiệu của 02, cho một giá trị âm được làm tròn về 0. Ký hiệu này có thể hữu ích khi một dấu hiệu tiêu cực là đáng kể; Ví dụ, khi lập bảng nhiệt độ Celsius, trong đó một dấu hiệu tiêu cực có nghĩa là dưới mức đóng băng. (Nguồn) 2Nhờ các hoạt động vector hóa của Numpy, điều này hoạt động giống như bạn mong đợi: >>> 3Bây giờ, bạn là một bậc thầy tròn trịa, hãy cùng xem Python, Khoa học dữ liệu nặng nề khác: Thư viện Pandas. Sê -ri Gấu trúc tròn và DataFrameThư viện Pandas đã trở thành một yếu tố chính cho các nhà khoa học dữ liệu và các nhà phân tích dữ liệu làm việc trong Python. Theo lời của Joe Wyndham thực sự của Python:
Hai cấu trúc dữ liệu gấu trúc chính là 08, theo thuật ngữ rất lỏng lẻo hoạt động giống như bảng tính Excel và 09, mà bạn có thể nghĩ như một cột trong bảng tính. Cả hai đối tượng 09 và 08 cũng có thể được làm tròn hiệu quả bằng các phương pháp 12 và 13:>>> 4Bây giờ, bạn là một bậc thầy tròn trịa, hãy cùng xem Python, Khoa học dữ liệu nặng nề khác: Thư viện Pandas. >>> 5Bây giờ, bạn là một bậc thầy tròn trịa, hãy cùng xem Python, Khoa học dữ liệu nặng nề khác: Thư viện Pandas. >>> 6Bây giờ, bạn là một bậc thầy tròn trịa, hãy cùng xem Python, Khoa học dữ liệu nặng nề khác: Thư viện Pandas. >>> 7Sê -ri Gấu trúc tròn và DataFrame Thư viện Pandas đã trở thành một yếu tố chính cho các nhà khoa học dữ liệu và các nhà phân tích dữ liệu làm việc trong Python. Theo lời của Joe Wyndham thực sự của Python: Pandas là một người thay đổi trò chơi cho khoa học và phân tích dữ liệu, đặc biệt nếu bạn đến Python vì bạn đang tìm kiếm một thứ gì đó mạnh mẽ hơn Excel và VBA. (Nguồn)Hai cấu trúc dữ liệu gấu trúc chính là 08, theo thuật ngữ rất lỏng lẻo hoạt động giống như bảng tính Excel và 09, mà bạn có thể nghĩ như một cột trong bảng tính. Cả hai đối tượng 09 và 08 cũng có thể được làm tròn hiệu quả bằng các phương pháp 12 và 13:Phương pháp >>> def truncate(n): ... return int(n * 1000) / 1000 13 cũng có thể chấp nhận từ điển hoặc >>> def truncate(n): ... return int(n * 1000) / 1000 09, để chỉ định độ chính xác khác nhau cho mỗi cột. Chẳng hạn, các ví dụ sau đây cho thấy cách làm tròn cột đầu tiên của >>> def truncate(n): ... return int(n * 1000) / 1000 16 đến một vị trí thập phân, vị trí thứ hai đến hai và vị trí thứ ba đến ba thập phân:Nếu bạn cần sự linh hoạt làm tròn hơn, bạn có thể áp dụng các hàm Numpy ____ ____204, 57 và 19 cho các đối tượng Pandas 09 và 08:Hàm 70 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 muộnKhi 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 25 độ dưới mức bình thường.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 chíKhi 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 tắtWhew! Thật là một hành trình này đã được! Trong bài viết này, bạn đã học được điều đó:
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 sungChiến lược làm tròn và thiên vị:
Thông số kỹ thuật nổi và số thập phân:
Những bài đọc thú vị:
|