如何将从CSV数据集获取的两个均值浮点值转换为整数比例？

问题背景 #

从CSV数据集计算得到两类事件的平均到场单位数：

mean_buildingFire = 10.82500730353491  # 111 - Building fire的平均到场单位数
mean_smoke = 4.057505093955173         # 651 - Smoke scare, odor of smoke的平均到场单位数

现有提取均值的Python代码：

mean_buildingFire = dataset.loc[dataset['INCIDENT_TYPE_DESC'] == '111 - Building fire', 'UNITS_ONSCENE'].mean()
mean_smoke = dataset.loc[dataset['INCIDENT_TYPE_DESC'] == '651 - Smoke scare, odor of smoke', 'UNITS_ONSCENE'].mean()

print(mean_buildingFire)
print(mean_smoke)

需要将这两个浮点数值转换为最简整数比例。

解决方案 #

方法1：使用fractions模块自动约分

Python的fractions.Fraction类可直接处理浮点数并完成约分，通过limit_denominator方法能避免浮点数精度问题导致的超大分母：

from fractions import Fraction

# 计算比值并简化
ratio = Fraction(mean_buildingFire, mean_smoke)
# 限制分母最大值为1000，得到近似的合理整数比
simplified_ratio = ratio.limit_denominator(1000)

print(f"最简整数比例：{simplified_ratio.numerator}:{simplified_ratio.denominator}")

针对你的数值，运行后会输出 8:3（因为10.825/4.0575≈2.668，接近8/3≈2.6667）。

方法2：手动缩放+最大公约数（GCD）约分

先将浮点数放大为整数，再通过计算最大公约数完成约分，规避浮点数精度影响：

import math

# 选择足够大的缩放因子，保留浮点数精度
scaling_factor = 10 ** 12
num1 = int(mean_buildingFire * scaling_factor)
num2 = int(mean_smoke * scaling_factor)

# 计算两个整数的最大公约数
gcd_val = math.gcd(num1, num2)

# 约分得到最简整数比
simplified_num1 = num1 // gcd_val
simplified_num2 = num2 // gcd_val

print(f"最简整数比例：{simplified_num1}:{simplified_num2}")

此方法同样会得到近似8:3的结果。

注意事项 #

• 浮点数存在精度误差，直接使用Fraction可能生成极复杂的分数，limit_denominator是实用的折中方案。
• 手动缩放时，需根据浮点数的小数位数选择合适的缩放因子，避免精度丢失或整数溢出。

内容的提问来源于stack exchange，提问作者user31081998