Python中怎么对NumPy数组执行舍入_使用round函数保留小数位数-Python教程-PHP中文网

numpy数组不能用python内置round()函数，应使用np.round()等numpy舍入函数；np.round()默认decimals=0，支持负数及银行家舍入，返回新数组且不改变原dtype。

python中怎么对numpy数组执行舍入_使用round函数保留小数位数

NumPy数组不能直接用Python内置round()函数

直接对NumPy数组调用round()会报错或返回意外结果，因为Python内置的round()只支持标量（如float、int），不支持ndarray。你可能会看到TypeError: type numpy.ndarray doesn't define __round__ method，或者得到一个未被修改的原数组（尤其在旧版本中）。

正确做法是使用NumPy自己的舍入函数：

np.round()（推荐）：行为与内置round()一致，支持decimals参数，且能广播到整个数组
np.around()：和np.round()完全等价，是别名，可互换使用
np.rint()：只向最近整数舍入（不支持小数位），用于整数化场景

np.round()的decimals参数控制小数位，但要注意默认值

np.round()默认decimals=0，即舍入到整数位。想保留2位小数，必须显式传参：np.round(arr, decimals=2)。漏掉decimals会导致所有数变成整数，容易误判为“没生效”。

示例：

import numpy as np
arr = np.array([1.234, 2.567, 3.999])
print(np.round(arr, decimals=2))  # [1.23 2.57 4.  ]

注意：decimals可为负数，例如decimals=-1表示舍入到十位（123 → 120）。

python-pro

高级 Python 特性、异步编程、性能调优、静态类型、内存管理、Python 内部机制及生态库方面的专家。

下载

round() vs np.round()在浮点精度上的表现一致，但中间计算不改变原数组

两者都遵循“四舍六入五成双”（银行家舍入），不是简单四舍五入。比如0.5和1.5都会舍入到偶数：np.round([0.5, 1.5]) → [0., 2.]。

关键细节：

np.round()默认返回新数组，原数组不变；如需就地修改，加out参数：np.round(arr, decimals=1, out=arr)
若数组dtype是整数（如int64），np.round()仍会返回浮点型结果（float64），不会自动转回整数
对NaN或inf值，np.round()保持原样，不报错

当需要格式化输出而非数值计算时，别混淆round和字符串格式化

如果目标是打印或导出“看起来保留两位小数”的字符串（比如写入CSV或日志），np.round()不是必需步骤——它改变的是数值本身。更轻量的做法是用f-string或np.array2string()控制显示精度：

arr = np.array([1.23456, 2.78912])
print(f"{arr[0]:.2f}")  # "1.23"
print(np.array2string(arr, precision=2, suppress_small=True))  # "[1.23 2.79]"

误用np.round()做显示控制，可能引入不必要的浮点误差累积，尤其在多次舍入+运算的流水线中。

真正需要数值级舍入的场景其实不多，多数时候只是展示需求——这点最容易被忽略。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！