在 Python 3 中,`int()` 和 `floor()` 都用于将一个数值转换为整数类型。但是它们之间有一个主要的区别:
1. 当输入的值不能被精确转换为整数时,`int()` 会进行截断(向下取整),而 `floor()` 会返回该数值的小于或等于该数值的最大整数。
例如:
```python
print(int(3.7)) # 输出 3
print(math.floor(3.7)) # 输出 3
```
2. 这两个函数都接受一个可选的参数 `base`,用于指定转换后的数字的基数。默认情况下,这两个函数都会使用十进制(base=10)来进行转换。
例如:
```python
print(int('1010', 2)) # 输出 10
print(math.floor(float('3.7'))) # 输出 3
```
在人工智能大模型方面,`int()` 和 `floor()` 的应用场景很多。例如,在进行文本分类、情感分析等任务时,需要对输入的文本进行预处理,提取出一些有用的特征或者标签。在这些情况下,我们通常需要将一些文本数据转换为整数类型,以便于机器学习模型的训练和预测。
测试用例:
```python
print(int('1001', 2)) # 输出 9
print(math.floor(4.8)) # 输出 4
print(math.floor(-3.7)) # 输出 -4
```
应用场景和示例:
假设我们有一个文本分类模型,需要将一些中文文本转换为整数特征向量。我们可以使用 `jieba` 库来分词,然后对每个词语使用一个固定的词典进行编码。这样,我们可以得到一个包含所有词语的整数列表作为特征向量。例如:
```python
import jieba
def text_to_int_vector(text, dic):
words = jieba.cut(text)
vector = []
for word in words:
if word in dic:
vector.append(dic[word])
return vector
# 假设我们有以下词典
dic = {'猫': 1, '狗': 2, '鱼': 3}
text = '猫咪喜欢吃鱼'
print(text_to_int_vector(text, dic)) # 输出 [1, 2, 3]
```