tan(pi/2) làm ví dụ của tôi. Không làm tròn, nó trả về 1. 633123935319537e+16 (điều này là do pi được cho dưới dạng hằng số, không phải là số vô tỷ). Tuy nhiên, khi tôi đặt nó qua hàm round, nó trả về -272241. 80841
Số khá lớn đó bằng 16331239353195370. 0 và là số nguyên không có phần phân số
Vì vậy, khi bạn làm tròn nó đến năm chữ số thập phân, không có gì thay đổi Đối với ví dụ khác của bạn, một lần nữa bạn nên kiểm tra mã của mình
Cũng không phải là tiêu cực Python dựa vào chất lượng của các quy trình toán học được cung cấp bởi nền tảng của bạn (hệ điều hành và phần cứng). Rất khó có khả năng là nếu bạn đang chạy một số kết hợp kỳ lạ với các thói quen dấu chấm động thực sự tồi tệ, thì Python có thể trả về kết quả kỳ lạ mà bạn đã thấy Nhưng nhiều khả năng là bạn đã phạm sai lầm ở đâu đó Ngoài ra, hầu hết các nhận xét của Terry về sự khác biệt giữa làm tròn số float và hiển thị số float đều hợp lệ Phao trong Python có độ chính xác 53 bit. Đó là khoảng 16 hoặc 17 chữ số thập phân. (Để đơn giản, hãy gọi nó là 16. ) Phao 0. 0 thực sự là 0. 0000000000000000 mặc dù nó được hiển thị bằng số lượng số 0 tối thiểu cần thiết. Bạn không thể làm tròn nó thành 0. 00000 sử dụng hàm round. Nhưng bạn có thể sử dụng định dạng chuỗi để hiển thị nó đến năm chữ số thập phân Terry nói
Chắc chắn, đó là những gì Pattydaone nói. Nhưng toán học thực sự π là một số vô tỉ, và tan(π/2) là không xác định Đôi khi chúng ta có các yếu tố nằm trong ký hiệu khoa học và chúng ta phải loại bỏ ký hiệu khoa học để đơn giản. Với mục đích này, chúng tôi gọi một hàm có tên là numpy. set_printoptions(). Chức năng này sẽ giúp loại bỏ ký hiệu khoa học và hiển thị số ở một độ chính xác nhất định. Trong bài viết này, chúng ta sẽ xem Cách ngăn chặn việc sử dụng các ký hiệu khoa học cho các số nhỏ bằng NumPy trong Python
Loại bỏ việc sử dụng các ký hiệu khoa học bằng cách sử dụng Numpy trong Pythonví dụ 1 Ở đây chúng tôi loại bỏ các ký hiệu khoa học cho các phần tử của mảng 1-D NumPy với độ chính xác 2 Python3
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]0 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]1 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]3 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]5 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]7 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]9 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]0
Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]1 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]4 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]5 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]7_______96_______ Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]9 [0.00 1.59 150.45 0.29]0 = [0.00 1.59 150.45 0.29]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 [0.00 1.59 150.45 0.29]5 đầu ra Numpy array values with precision 2: [ 0. 1.59 150.45 0.29] ví dụ 2 Ở đây chúng tôi loại bỏ các ký hiệu khoa học cho các phần tử của mảng 2-D NumPy với độ chính xác 3 Python3
[0.00 1.59 150.45 0.29]9
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 # Importing Numpy library 5# Importing Numpy library 6
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 import 1Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 import 3Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 import 5import 6
Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]4 numpy as np 1Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]7_______96_______ numpy as np 5[0.00 1.59 150.45 0.29]0_______96_______ [0.00 1.59 150.45 0.29]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 [0.00 1.59 150.45 0.29]5 đầu ra Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]] ví dụ 3 Ở đây chúng tôi loại bỏ các ký hiệu khoa học cho các phần tử của mảng 3-D NumPy với độ chính xác 4 Python3
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 num 1# Importing Numpy library 6
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 import 3Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 import 5= 0
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 = 5Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 import 1# Importing Numpy library 6
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]01 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]03 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]04
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]05 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]09 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]7_______96_______ Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]13_______22_______0 = [0.00 1.59 150.45 0.29]2 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]6 Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]]3 [0.00 1.59 150.45 0.29]5 đầu ra Numpy array values with precision 4: [[[ 3.1415 2.7183] [ 6.6269 0. ]] [[34.8454 0. ] [ 7. 8. ]]] Ví dụ 4 Ở đây chúng tôi đã sử dụng tham số định dạng cho hàm set_printoptions() Python3
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]22_______96_______ [0.00 1.59 150.45 0.29]2 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]26_______3_______27 = ___Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]29 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]30 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]31 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]32 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]33 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]34 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]35
Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]36_______96_______ Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]0 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]1 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]2 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]3 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]5 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]7 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]4 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]9 Numpy array values with precision 3: [[3.142 2.718] [0. 0. ]]48 |