5

Python中有没有办法计算双/浮点/等中的有效数字？我没有看到一个简单的方法来做到这一点，但我希望它会在图书馆里。

提前致谢。

4

5 回答 5

3

您可能对任意精度浮点库感兴趣，例如：

http://code.google.com/p/mpmath/

于 2011-11-13T01:47:57.443 回答
3

不。有效数字只是没什么大不了的，并且在计算机语言中几乎没有得到支持。进行实际计算的人需要误差线，它具有更高的精度——实际测量会说非常精确的东西，比如“这是 0.11 ± 0.03 毫米”，而不是说“这是 0.1 毫米”或“这是 0.11 毫米”这样不太精确的陈述” 这让你选择了十的幂，即使你的不精确性实际上并没有落在十的幂。

于 2011-11-12T01:34:47.670 回答
3

我在另一个问题中找到了这篇文章的解决方案：

Python计算有效数字

这里的想法是将浮点数作为字符串传递给方法，然后该方法使用正则表达式通过拆分字符串来计算有效数字的数量 where "e"is（对于科学格式的浮点字符串）和点在哪里（对于正常的浮点字符串）。

它似乎可以很好地工作到 8 位有效数字，但不能保证第 9 位之后的行为。

不过，我相信这比

“有效数字没什么大不了的，在计算机语言中几乎没有得到支持”

回复。这可能并不容易，但你绝对可以做到，即使不是很完美。

于 2016-11-23T09:18:26.657 回答
1

至少，计算机根本不会那样工作，除非它们被编程为这样做。假设是你给他们的数字是准确的。如果您将数字 2/3 创建为 0.6666666666666667，则所有操作都将其视为完全相同。最低有效数字的错误最终可能会在以后的计算中传播到更大的错误，但这是好的代码应该处理的事情，使用尽可能减少这些问题的算法。

然而，正如我所说，计算机会做他们被告知要做的事情。所以有一些包使用所谓的区间算术。然后可以将一个数字描述为一个区间，因此我们可以创建 2/3 作为区间 [0.6666666666666666,0.6666666666666667]。我们可以对区间进行操作、加法、减法、乘法等。这些操作通常会在我们操作它们时看到区间宽度扩大。

然而，事实是，即使您使用区间算术工具，您也必须在一开始就知道数字中有效数字的位数。如果您创建一个数字为 2.2，并将其存储为双精度数，那么计算机实际上会尝试将该数字存储为 2.200000000000000，并假设所有数字都完全正确。事实上，当然，因为采用了浮点运算，所以该数字实际上将在内部存储为二进制数。所以 2.2 可能会被有效地存储为数字：

2.20000000000000017763568394002504646778106689453125

因为大多数十进制小数不能以二进制形式精确表示。同样，在所有软件中都必须小心，而且使用这些工具的人也必须始终了解他们的数字的真正含义。

最后一点很重要。很多人把电脑产生的数字当作真理，就像电脑神在石碑上传下来的。如果计算机打印出 1.4523656535725，他们相信他们所看到的每一个数字。事实上，这里必须应用常识，要知道这个数字可能是从只有 3 位有效数字的数据生成的，因此您可以选择仅依赖该数字的前几个有效数字。当然，这就是为什么你在学校被教导这个概念，知道什么可以信任，什么不可以信任。但是请记住 - 计算机通常会无限信任。必须应用过滤器的是您。

于 2011-11-12T11:50:17.980 回答
1

内置的Decimal 库可以很好地解决这个问题，因为它解决了使用基于硬件的浮点数的问题。它有一个内部表示，只包含有效数字和指数。所以你可以用它来计算这样的有效数字：

from decimal import Decimal
def count_sigfigs(numstr):
    return len(Decimal(numstr).normalize().as_tuple().digits)

这适用于很多例子，比如这些例子（来自这个相关问题）。请注意，您必须将数字作为字符串输入才能正常工作。由于它们的硬件表示，使用浮点数会搞砸。

tests = [('2', 1),
 ('1234', 4),
 ('2.34', 3),
 ('3000', 1),
 ('0.0034', 2),
 ('120.5e50', 4),
 ('1120.5e+50', 5),
 ('120.52e-50', 5)]

for num, expected in tests:
    print(count_sigfigs(num) == expected)

这使：

True
True
True
True
True
True
True
True

不幸的是，这不适用于像“1.000”这样有 4 个 sigfigs 的数字。这只是给出 1。所以它需要改进以涵盖所有情况。它也为“0”给出 1，尽管通常应该给出 0。

如果您取出，normalize那么它适用于1.000但不适用于 3000（它说 4 而不是 1）。

于 2021-07-09T05:33:30.173 回答