如何在Python中对含10万元素的大型数组四舍五入保留4位小数

看你给出的示例是NumPy数组，处理这种10万级元素的大型数组，用NumPy自带的向量化方法是最高效的——完全不用手动写循环，循环在大数据量下会慢到离谱。

最直接的解决方案 #

用np.round()函数，它会对数组里的每一个元素自动完成四舍五入操作，参数非常直观：

• 第一个参数是你的目标数组
• decimals参数指定要保留的小数位数，这里填4就行

示例代码：

import numpy as np

# 假设你的大型数组是big_array
big_array = np.array([
    [1.96713769e-01, 5.76482242e-01, 2.26803989e-01, 7.84528623e-01, 8.38717696e-02, 1.31599608e-01, 3.49645544e-03, 9.89583476e-01, 6.92006905e-03, 8.97708472e-08, 9.99999731e-01, 1.79541646e-07, 1.96615857e-18, 1.00000000e+00, 0.00000000e+00],
    [1.74043502e-01, 6.12687828e-01, 2.13268670e-01, 8.20000770e-01, 6.81814868e-02, 1.11817743e-01, 4.36557418e-03, 9.87016637e-01, 8.61778870e-03, 1.30950035e-07, 9.99999607e-01, 2.61899967e-07, 3.58177845e-18, 1.00000000e+00, 0.00000000e+00]
])

# 四舍五入保留4位小数
rounded_array = np.round(big_array, decimals=4)
print(rounded_array)

针对超大型数组的优化（节省内存） #

如果你的数组大到内存吃紧，可以用np.round_()（注意末尾的下划线），它会原地修改原数组，不需要创建新的数组对象，能节省不少内存：

# 原地修改原数组，无需返回新数组
np.round_(big_array, decimals=4)

如果你用的是Python原生列表（不推荐大数据量） #

虽然看你的示例是NumPy数组，但如果是原生嵌套列表的话，可以用列表推导式处理，不过效率远不如NumPy：

big_list = [
    [1.96713769e-01, 5.76482242e-01, ...],
    [...]
]
rounded_list = [[round(num, 4) for num in sublist] for sublist in big_list]

补充说明 #

NumPy的round方法默认用的是银行家舍入法（即四舍六入五成双），如果需要其他舍入模式，可以结合np.around()或者更精细的舍入函数，但大多数场景下默认的方法就够用了。

内容的提问来源于stack exchange，提问作者Noor