numpy保留小数位数

import numpy as np

array = np.array([1.123456789, 2.23456, 4.5643])
print(np.around(array, 3))  # 保留三位小数，保留方式为四舍五入

结果：[1.123 2.235 4.564]

默认保留整数，计算方法是四舍五入。

这里是一些例子

import numpy as np
>>> np.around([0.37, 1.64])
array([ 0.,  2.])
>>> np.around([0.37, 1.64], decimals=1)
array([ 0.4,  1.6])
>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([ 0.,  2.,  2.,  4.,  4.])
>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1,  2,  3, 11])
>>> np.around([1,2,3,11], decimals=-1)
array([ 0,  0,  0, 10])

结果是四舍五入。

而python强转类型int(1.12)是取整，丢掉后面的小数。

aaa=int(1.9)
print(aaa)

答案是1

下面再列举一下Python保留指定位数的小数方法：

• 1 ’%.2f’ %f 方法(推荐)
• 2 format函数(推荐)
• 3 round（）函数
• 4 不进行四舍五入，直接进行截断

1 ’%.2f’ %f 方法(推荐)

f = 1.23456

print('%.4f' % f)
print('%.3f' % f)
print('%.2f' % f)

结果：
1.2346
1.235
1.23
这个方法会进行四舍五入

2 format函数(推荐)

print(format(1.23456, '.2f'))
print(format(1.23456, '.3f'))
print(format(1.23456, '.4f'))

1.23
1.235
1.2346

这个方法会进行四舍五入

3 round（）函数

其实这个方法不推荐大家使用，查询资料发现里面的坑其实很多，python2和python3里面的坑还不太一样，在此简单描述一下python3对应的坑的情况。

a = 1.23456
b = 2.355
c = 3.5
d = 2.5
print(round(a, 3))
print(round(b, 2))
print(round(c))
print(round(d))

1.235   # 1.23456最终向前进位了
2.35    # 2.355居然没进位
4       # 最终3.5居然变为4了
2       # 最终2.5取值变为2

（1）通过上面的函数，看着是不是很晕，感觉round（x,n）函数是否进位也没看出是啥规律
（2）round（x,n）函数中，是否进位或四舍五入，取决于n位以及n+1位小数的值
（3）只有当n+1位数字是5的时候，容易混淆，如果n为偶数，则n+1位数是5，则进位，例如round（1.23456，3）最终变为1.235
（4）如果n为奇数，则n+1位是数5，那不进位，例如round（2.355，2），最终为2.35
（5）如果n为0，即没有填写n的时候，最终结果与上面相反，即整数部分为偶数的时候，小数位5不进位，例如（round（2.5）变为2）。
（6）整数部分为奇数的时候，小数位5进位。（round（3.5）变为4）
————————————————

4 不进行四舍五入，直接进行截断

（1）可以放大指定的倍数，然后取整，然后再除以指定的倍数。

#保留三位小数截断 python3
print(int(1.23456 * 1000) / 1000 )

(2) 使用字符串截取，截取小数点后指定的位数