Python、与变量不同的舍入和硬编码值

Question

我有一个简单的数学公式，结果是一个十进制数（0.97745），我想四舍五入到4个数字。 当我从求值变量中得到（0.9774）时，但当我将该数字硬编码到函数round（）中时，得到0.9775

这是密码

zero = 0.9700
effective_beta = 0.00745
loan = {}
loan['beta2'] = 0.0
loan['beta3']  = 0.0
mrktdiff_2 =0.08880400
mrktdiff_3 = 0.026463592000

forecasted_pt = (float(zero) + float(effective_beta) + float(loan['beta2'] or 0.) * float(mrktdiff_2) +
                              float(loan['beta3'] or 0.) * float(mrktdiff_3))
                          
print("before rounding forecastedpt is ")
print(forecasted_pt)
print("after rounding")
print(round(forecasted_pt,4))
print("Dont get this part")
print(round(0.97745,4))

我之所以使用浮点运算符，是因为这些变量是动态的，有时会导致字符串/空值

同样，当我在php中运行相同的代码时，我得到了0.9775的值

编辑： 我在katacoda.com编辑器中运行了代码，得到以下结果：

before rounding forecastedpt is
0.97745
after rounding
0.9774
Dont get this part
0.9775

但是在repl.com中运行它，我得到的第一个值是：0.9774499999999，所以我猜它可能是表达式本身的精度

Answer 1

试试这个： 我记得10年前在统计课上。我的教授一直建议我们把计算结果四舍五入到小数点后6位，因为统计学都是关于估计的，它很重要

zero = 0.9700
effective_beta = 0.00745
loan = {}
loan['beta2'] = 0.0
loan['beta3']  = 0.0
mrktdiff_2 =0.08880400
mrktdiff_3 = 0.026463592000

forecasted_pt = round((float(zero) + float(effective_beta) + float(loan['beta2'] or 0.) * float(mrktdiff_2) + float(loan['beta3'] or 0.) * float(mrktdiff_3)),6)


print(round(forecasted_pt,4))

Answer 2

从python documentation中：

注意：浮动的round（）行为可能令人惊讶：例如，round（2.675，2）给出的是2.67，而不是预期的2.68。这不是一个错误：这是因为大多数小数不能精确地表示为浮点。有关更多信息，请参见Floating Point Arithmetic：问题和限制

Answer 3

试试看：

zero = 0.9700
effective_beta = 0.00745
loan = {}
loan['beta2'] = 0.0
loan['beta3']  = 0.0
mrktdiff_2 =0.08880400
mrktdiff_3 = 0.026463592000

forecasted_pt = (float(zero) + float(effective_beta) + float(loan['beta2'] or 0.) * float(mrktdiff_2) + float(loan['beta3'] or 0.) * float(mrktdiff_3))

print("before rounding forecastedpt is ")
print(forecasted_pt)
print("after rounding")
print(round(forecasted_pt,5))
numb = round(forecasted_pt,5)
print(round(numb,4))
print("Dont get this part")
print(round(0.97745,4))

输出：

before rounding forecastedpt is 
0.9774499999999999
after rounding
0.97745
0.9775
Dont get this part
0.9775

任何语言中的round函数都不会对所有数字进行四舍五入，而是只对最后一个数字进行四舍五入