Python中round处理的变量两次打印结果不一致的原因及解决

代码示例 #

import xgboost as xgb
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
# Obtaining the data set, method 1
from sklearn.datasets import load_boston
boston = load_boston()
X = boston.data
y = boston.target
# Obtaining the data set, method 2
# data_url = "http://lib.stat.cmu.edu/datasets/boston"
# raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
# X  = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
# y = raw_df.values[1::2, 2]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)
model = xgb.train({'objective': 'reg:squarederror'}, dtrain)
y_pred = model.predict(dtest)
mean_col1 = round(y_test.mean(), 4)
mean_col2 = round(y_pred.mean(), 4)
# first print
print(mean_col1, mean_col2)
# second print
print(f"real price avg: {mean_col1}, predict price avg: {mean_col2}")

运行输出 #

21.4882 20.5224
real price avg: 21.4882, predict price avg: 20.52239990234375

问题 #

为何第二次打印时mean_col2未保留4位小数？同一变量首次打印显示4位小数，二次打印却结果不同，该问题在Jupyter Notebook、IPython和py文件中均存在，且仅mean_col2出现此情况？

原因分析 #

• 数据类型差异：y_test是numpy.ndarray类型，其均值返回numpy.float64，round后仍为该类型；而y_pred是XGBoost返回的numpy.float32类型，均值及round后结果也保持numpy.float32类型。
• 打印机制区别：
  • 直接用print输出多个变量时，numpy类型会调用自身的默认字符串表示逻辑，numpy.float32会自动截断到易读的小数位数（这里显示4位）。
  • f-string中会将numpy类型转换为Python原生float，但float32精度有限，20.5224无法被精确存储，实际存储的是近似值20.52239990234375，f-string会输出这个精确的存储值。
• mean_col1是numpy.float64类型，21.4882可以被该类型精确表示，所以两种打印方式结果一致。

解决方法 #

有三种可行的处理方式：

• 转为Python原生float：在round后将mean_col2转换为原生float，消除numpy类型的影响：

  mean_col2 = float(round(y_pred.mean(), 4))
  

• f-string指定小数位数：直接在格式化时控制显示精度，无需依赖round结果：

  print(f"real price avg: {mean_col1:.4f}, predict price avg: {mean_col2:.4f}")
  

• 用.item()提取原生值：通过numpy标量的.item()方法获取Python原生数值后再round：

  mean_col2 = round(y_pred.mean().item(), 4)
  

内容的提问来源于stack exchange，提问作者iris_hu