一、先认识两个运算符
在Python中,
“/”:表示除法
“//”:表示整除,用于计算两个数的除法结果并返回一个整数,舍弃小数部分
二、下面我们来看一段程序
根据组合数计算公式,C2 5 = 10,但是以下代码计算C2 5的结果是8(cni(5, 2)),而不是10,为什么?
原因是浮点数除法时精度问题导致结果错误。
知道原因后,让我们修改代码,使用普通的除法,然后查看结果是否正确。
def cni(n, i):
minNI = min(i, n-i)
result = 1
for j in range(0, minNI):
result = result * (n-j) /(minNI-j)
return result
print(cni(5,3))
运行结果:10
最后发现,结果正确。
那么为什么会有误差问题呢?原因是
修改后的代码正确地计算出了 C(5,2) 的值为 10。问题在于原始代码中使用了整数除法
//
,这导致了在计算过程中精度的丢失。通过使用普通的除法/
并在最后将结果转换为整数,我们得到了正确的结果。
三、其实浮点数计算时也容易存在其他精度问题
如:
运行结果:1.2999999999999998
出现这种问题的原因是,计算机中保存数字的寄存器是使用二进制来保存数字的,有的有限十进制小数只能使用无限的二进制小数表示。
浮点数一个普遍的问题就是在计算机的世界中,浮点数并不能准确地表示十进制。并且,即便是最简单的数学运算,也会带来不可控制的后果。因为,在计算机的世界中只认识0与1。
首先看一下将十进制小数转换为二进制的过程为:
将小数乘以2,取出整数部分作为二进制表示的第1位;然后再将小数部分乘以2,将得到的整数部分作为二进制表示的第2位;以此类推,直到小数部分为0。
例如【5.20-5】的结果是0.2时,使用二进制表示就是:0.0011 0011 0011… 是个无限循环小数。 而内存只会划分有限的空间来保存一个小数,所以当我们想要保存这个0.2的数字时,只会截取二进制数字中的一部分来保存,而当我们重新通过被截取的二进制数字来计算对应的十进制数字,就会产生误差。
那么,我们如何在Python中去解决浮点数计算误差呢?
方法一:
如果你只希望浮点数精确到某个精度即可,那可以使用浮点数自带的精度计算。
方法二:
也可以使用round()函数,直接四舍五入。如果round()函数中不指定第二个参数的话,默认四舍五入到整数位,否则精度最多保存到第二个参数长度的小数位:
In [1]: 4 - 3.6
Out[1]: 0.3999999999999999
In [2]: round(4 - 3.6)
Out[2]: 0.0
In [3]: round(4-3.6,2)
Out[3]: 0.4
In [4]: round(4-3.6,5)
Out[4]: 0.4
In [5]: round(2.55555,3)
Out[5]: 2.556
In [6]: round(2.555,30)
Out[6]: 2.555
In [7]: round(2.5) #注意这个从python3开始是向偶数看齐,即整数部分为偶数时舍弃小数部分,为奇数时进一位
Out[7]: 3.0 #python3输出为2
In [8]: round(3.5)
Out[8]: 4.0
方法三:
使用decimal模块:
注意,decimal函数中的参数是字符串。 另外Decimal的引入申明为:
from decimal import Decimal