近似值——在精确到小数点后第n位的世界中，确实有理由使近似值仍然有效。事实上，大自然做事并不是非常精确，而是在一个“范围”内做事。当一个人涉足数据分析时也是如此。
数据科学家本身可能对他们的模型在提供结果方面的精确程度感到傲慢，但他们也永远不能否认这样一个事实：他们的整个模型是基于近似假设的！
另请阅读：Numpy.Divide() – 如何在 Python 中使用 Numpy Divide？
在本文中，我们将探索 Python NumPy 库中提供的一个这样的函数，它将帮助人们将任何给定数字四舍五入到最接近零的整数。这意味着任何给定的数字，无论它可能拥有多少位小数，都将四舍五入为整数，不留下任何小数值。
正在研究的函数是numpy.fix( )，在使用示例数据进行演示之前，让我们首先了解它的语法。
numpy.fix() 的语法
以下是numpy.fix( )函数的语法。
numpy.fix(x, out=None) |
在哪里，
- x –可以是单个数字或要四舍五入的数字数组
- out –一个可选功能，可用于将结果值存储在与输入具有相同维度的目标数组中（如果指定）。
需要注意的是，numpy.fix()函数的输出以浮点格式返回。
人们应该通过使用以下代码导入numpy库来开始工作。
import numpy as np |
使用 numpy.fix( ) 对单个数字进行四舍五入
导入numpy库后，应使用以下代码将所需数字四舍五入为最接近零的整数。
import numpy as npnp.fix(3.14159365) |
细心观察的人可能已经发现，上图中四舍五入的数字属于无理数范畴。如果你现在还没猜到，那就是pi (π) 的前八位小数！
显示的结果仅为“3.0”，这表明无论小数点有多少，都只能得到小数点为零的结果，而保持其整数部分不变。
另请阅读：Numpy.subtract()：如何在 Python 中使用 NumPy 进行减法？
使用 numpy.fix( ) 对数字数组进行四舍五入
现在让我们开始对数组中的数字集合进行四舍五入。我们将从构建一个类似于下面给出的数组开始。
ar = [[12.6, 3.4, 2.3], [4.5, 7.6, 78.5]] |
完成后，我们将使用以下代码部署要使用的fix( )函数。
np.fix(ar) |
运行上面的代码会得到以下结果。
使用 numpy.fix( ) 方法的 Out 选项
本节将演示如何在对数字进行四舍五入时使用本文前面描述的out选项。由于存储输出的规定应与输入具有相同的维度，因此应为一个变量分配具有相同输入维度的数组，以防涉及多个数字。
如果数组与上一节中使用的相同，那么它有 2 行和 3 列，这使得我们将输出数组设置为空，如下所示，以便可以用结果的值替换它。
rr = np.empty([2,3]) |
然后，在使用fix( )函数时，将“rr”分配给out选项，如下所示。
np.fix(ar, out=rr) |
运行上面的代码给我们以下结果。
要验证输出数组是否已更新，可以使用print()函数。
结论
现在我们已经到了本文的结尾，希望它已经详细说明了如何使用Python 中的numpy.fix( )函数将任何给定数字四舍五入到最接近的整数。这是另一篇文章，详细介绍了如何在 Python 中使用numpy将度数转换为弧度。AskPython中还有许多其他有趣且内容丰富的文章，可能对那些希望提高 Python 水平的人有很大帮助。当你享受这些的时候，再见！