25_NumPy数组np.round将ndarray舍入为偶数

25_NumPy数组np.round将ndarray舍入为偶数

使用 np.round() 将 NumPy 数组 ndarray 的元素值舍入为任意位数。请注意，0.5 由于舍入到偶数而不是一般舍入而舍入为 0.0。

本文介绍了一般舍入的实现示例。

• 如何使用 np.round()
  • 基本用法
  • 指定要舍入的位数：参数decimals
• np.round() 舍入为偶数
• np.round() 和 Python 内置函数 round() 的区别
• np.around() 和 ndarray 的 round() 方法
• 四舍五入的实现示例
• np.rint() 四舍五入为整数

如何使用 np.round()

基本用法

np.round() 返回一个 ndarray，该 ndarray 对指定 ndarray 的每个元素进行四舍五入。默认情况下，数字四舍五入到小数点后 0 位。

a = np.array([12.3, 45.6, 78.9])print(np.round(a))
# [12. 46. 79.]print(np.round(a).dtype)
# float64

返回与原始类型相同的 ndarray。如上例所示，如果源是浮点数 float，则即使小数点右侧的位数为 0，也会返回浮点数 float 的 ndarray。

print(np.round(a).astype(int))
# [12 46 79]print(a.astype(int))
# [12 45 78]

也可以指定列表等类似数组的对象，但返回值是ndarray。

l = [12.3, 45.6, 78.9]print(np.round(l))
# [12. 46. 79.]print(type(np.round(l)))
# <class 'numpy.ndarray'>

还可以指定标量值。

print(np.round(12.3))
# 12.0

指定要舍入的位数：参数decimals

指定要舍入为第二个参数小数中的整数值的位数。默认为小数=0。 指定正整数指定小数点后的位数，指定负整数指定整数的位数（位数）。 -1 四舍五入到十位，-2 四舍五入到百位。

print(np.round(123.456))
# 123.0print(np.round(123.456, 2))
# 123.46print(np.round(123.456, -2))
# 100.0

对于整数 int，如果为小数参数指定负值，它将四舍五入到所需的数字。如果指定 0 或正值，则不会发生任何变化。如果源是整型 int，则返回值也是整型 int。

print(np.round(123456))
# 123456print(np.round(123456, 2))
# 123456print(np.round(123456, -2))
# 123500a = np.array([12345, 67890])print(np.round(a, -3))
# [12000 68000]print(np.round(a, -3).dtype)
# int64

np.round() 舍入为偶数

使用 np.round() 进行舍入不是一般舍入，而是舍入到偶数。
0.5 舍入为 0.0，2.5 舍入为 2.0，等等。

print(np.round([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5]))
# [-4. -2. -2. -0.  0.  2.  2.  4.]print(np.round([-350, -250, -150, -50, 50, 150, 250, 350], -2))
# [-400 -200 -200    0    0  200  200  400]

当分数恰好为 0.5 时，会舍入为偶数，因此例如，2.5 将舍入为 2.0，但 2.51 将舍入为 3.0。

print(np.round([2.49, 2.5, 2.51]))
# [2. 2. 3.]print(np.round([249, 250, 251], -2))
# [200 200 300]

np.round() 和 Python 内置函数 round() 的区别

还可以使用Python的内置函数round()对值进行舍入。 np.round() 和 round() 都四舍五入为偶数，并且使用方式相同，例如指定要四舍五入的位数作为参数，但结果可能会根据值的不同而有所不同。

print(np.round(0.15, 1))
# 0.2print(round(0.15, 1))
# 0.1

引用中的 np.true_divide() 是一个相当于 / 运算符的函数。 np.rint() 稍后会解释。 如果你通过增加显示位数来检查，浮点数0.15实际上是0.14999…，如果你准确地处理浮点数，四舍五入到0.1是正确的。

print(f'{0.15:.20}')
# 0.14999999999999999445

官方文档中还列出了其他示例。

print(np.round(56294995342131.5, 3))
# 56294995342131.51print(round(56294995342131.5, 3))
# 56294995342131.5

np.around() 和 ndarray 的 round() 方法

np.around() 被定义为 np.round() 的别名。用法是一样的。

a = np.array([12.3, 45.6, 78.9])print(np.around(a))
# [12. 46. 79.]print(np.around(a, -1))
# [10. 50. 80.]

另外，round() 被定义为 ndarray 的方法。

print(a.round())
# [12. 46. 79.]print(a.round(-1))
# [10. 50. 80.]

四舍五入的实现示例

下面显示了实现一般舍入的函数的示例。 参数小数可以像 np.round() 一样指定。对齐位数后，加上 0.5，使用 np.floor() 将小数点四舍五入（四舍五入到负无穷大），并返回位数。

def my_round(x, decimals=0):return np.floor(x * 10**decimals + 0.5) / 10**decimalsa = np.array([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5])print(np.round(a))
# [-4. -2. -2. -0.  0.  2.  2.  4.]print(my_round(a))
# [-3. -2. -1.  0.  1.  2.  3.  4.]print(a / 10)
# [-0.35 -0.25 -0.15 -0.05  0.05  0.15  0.25  0.35]print(np.round(a / 10, 1))
# [-0.4 -0.2 -0.2 -0.   0.   0.2  0.2  0.4]print(my_round(a / 10, 1))
# [-0.3 -0.2 -0.1  0.   0.1  0.2  0.3  0.4]

在上面的函数中，-0.5 变为 0.0。如果要将 -0.5 更改为 -1.0，请执行以下操作。使用 np.abs() 计算绝对值并使用 np.sign() 返回原始符号。

def my_round2(x, decimals=0):return np.sign(x) * np.floor(np.abs(x) * 10**decimals + 0.5) / 10**decimalsprint(a)
# [-3.5 -2.5 -1.5 -0.5  0.5  1.5  2.5  3.5]print(my_round(a))
# [-3. -2. -1.  0.  1.  2.  3.  4.]print(my_round2(a))
# [-4. -3. -2. -1.  1.  2.  3.  4.]print(a / 10)
# [-0.35 -0.25 -0.15 -0.05  0.05  0.15  0.25  0.35]print(my_round(a / 10, 1))
# [-0.3 -0.2 -0.1  0.   0.1  0.2  0.3  0.4]print(my_round2(a / 10, 1))
# [-0.4 -0.3 -0.2 -0.1  0.1  0.2  0.3  0.4]

np.rint() 四舍五入为整数

还提供 np.rint() 来舍入为整数。处理相当于 np.round()，decimals = 0。

可以指定类似数组的对象（例如 ndarrays 和列表）以及标量值。

a = np.array([12.3, 45.6, 78.9])print(np.rint(a))
# [12. 46. 79.]l = [12.3, 45.6, 78.9]print(np.rint(l))
# [12. 46. 79.]print(np.rint(12.3))
# 12.0

虽然叫rint，但并没有转换为整数int，而是返回一个与原始类型相同类型的ndarray。

print(np.rint(a).dtype)
# float64

与 np.round() 一样，四舍五入到偶数而不是一般四舍五入。

print(np.rint([-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5]))
# [-4. -2. -2. -0.  0.  2.  2.  4.]