楼层/天花板代码仍然无法按要求工作

Question

几周前，我收到了一段非常有用的代码，可帮助我使用将 1.25 舍入到 1.3 的原则（Python 3 不这样做作为标准）将我的健康数据结果舍入到 1dp。 不幸的是，我遇到了一个实例，其中我新定义的舍入规则不起作用！ 有人可以建议修改下面的 my_round 吗？ 这太令人沮丧了，因为我以为我在这里找到了完美的解决方案。

import pandas as pd
import math
raw_data = {'AreaCode' : ['101', '101', '101'],
            'Disaggregation' : ['1864', '65Over', 'Total'],
            'Numerator' : [19.0, 82.0, 101.0],
            'Denominator' : [24.0, 160.0, 184.0]}

Data = pd.DataFrame(raw_data, columns = ['AreaCode', 'Disaggregation', 'Numerator', 'Denominator'])

def my_round(n, ndigits=1):
    try:
       part = n * 10 ** ndigits
       delta = part - int(part)
       # always round "away from 0"
       if delta >= 0.5 or -0.5 < delta <= 0:
           part = math.ceil(part)
       else:
           part = math.floor(part)
       val =  part/(10 ** ndigits)
    except ValueError:
       val = np.nan
    return val

Data['Outcome'] = (Data['Numerator'] / (Data['Denominator'])*100).apply(my_round)

运行所有这些后，您可以看到 65Over 的结果在计算结果为 82.0 / 160.0 * 100 = 51.250000 时四舍五入为 51.2。 我必须确定这样的实例会在我发布的数据中输出为 51.3。

Answer 1

您可能会遇到“半偶数舍入”或“银行家舍入”。 51.25 将四舍五入为 51.2，51.35 将四舍五入为 51.4。 在计算中防止聚合错误是很常见的。 不过，您可以自定义它。 请参阅如何在 Python 中正确舍入半浮点数？

此外，您的代码可能无法正常工作，因为当 delta 恰好为 0.5 时，它需要浮点数之间完全相等才能使delta >= 0.5位工作。 除以 10 可能会使您失去精度，因此您随后无法获得完全相等。

编辑：您的问题是原始计算82.0 / 160.0 * 100为您提供的答案不再是 51.25，因为浮点除法/乘法导致精度损失。 首先相乘以使数字保持整数会有所帮助。 但实际上，您需要使用 Decimal ( https://docs.python.org/3/library/decimal.html ) 模块来确保十进制算术为您提供“自然答案”。