忙完了一周的測試工作，又開始系統學習編程語言的時間，在學習過程中，你會發現，面對一個問題，會有很多奇妙的想法和思路。
-
數字的四舍五入
對浮點型的數據進行指定精度的運算
對于簡單的舍入運算，使用內置的 round(value, ndigits) 函數即可
>>> round(2.1)
2
>>> round(2.1234,2)
2.12
>>> round(2.5)
2
>>> round(3.5)
4
>>>
?? 上述可以看出，當一個值剛好在兩個邊界的中間的時候， round 函數返回離它最近的偶數。也就是說，對 1.5 或者 2.5 的舍入運算都會得到 2。
?? 同樣，round() 函數的 ndigits 參數可以是負數，這種情況下，舍入運算會作用在十位、百位、千位等上面。
>>> round(123456789,-1)
123456790
>>> round(123456789,-4)
123460000
>>>
數字的四舍五入與格式化輸出不一樣，不能混淆，如果僅僅為了格式化輸出，則直接使用format()
-
執行精準的浮點數運算
對浮點數直接執行運算，會存在一定誤差，如
>>> a = 2.1
>>> b = 4.2
>>> a+b
6.300000000000001
>>>
?? 如果不能容忍一點點誤差（誤差由底層 CPU 和 IEEE 754 標準通過自己的浮點單位去執行算術時的特征。而 Python 的浮點數據類型則使用底層表示存儲數據），可以使用decimal模塊
?? 可以傳遞給Decimal整型或者字符串參數，但不能是浮點數據，因為浮點數據本身就不準確。
#不能傳浮點數，如下結果
>>> Decimal(4.2)
Decimal('4.20000000000000017763568394002504646778106689453125')
>>> a=Decimal('4.2')
>>> b=Decimal('2.1')
>>> a+b
Decimal('6.3')
?? decimal 模塊的一個主要特征是允許你控制計算的每一方面，包括數字位數和四舍五入運算
>>> from decimal import localcontext
>>> a = Decimal('1.3')
>>> b = Decimal('1.7')
>>> print(a / b)
0.7647058823529411764705882353
>>> with localcontext() as ctx:
ctx.prec = 3
print(a / b)
0.765
>>> #保留2位小數
>>> Decimal('50.5679').quantize(Decimal('0.00'))
Decimal('50.57')
>>>
-
隨機選擇
從一個序列中隨機抽取若干元素，或者想生成幾個隨機數。
random模塊有大量的函數用來產生隨機數和隨機選擇元素。
>>> import random
>>> list1=[1,2,3,4,5,6]
>>> random.choice(list1)
4
>>>
?? 隨機提取出 N 個不同元素的樣本用來做進一步的操作，可以使用 random.sample()。
>>> random.sample(list1,5)
[6, 4, 1, 5, 3]
>>>
?? 如果你僅僅只是想打亂序列中元素的順序，可以使用 random.shuffle(),注意的是：是在原來的序列上直接操作
>>> random.shuffle(list1)
>>> list1
[5, 1, 3, 4, 2, 6]
>>>
?? 通常生成隨機數的方法還是randint()、random()、getrandbits()
?? random 模塊使用 Mersenne Twister 算法來計算生成隨機數。這是一個確定性算法，但是你可以通過 random.seed() 函數修改初始化種子
random.seed() # Seed based on system time or os.urandom()
random.seed(12345) # Seed based on integer given
示例1：隨機生成電話號碼
#做之前先了解移動電話號碼的分段及組成情況
>>> def getNumber():
sub_num=['134','135','136','137','138','139','150','151','152']
num=random.choice(sub_num)+"".join([str(random.randint(0,9))
for i in range(8)])
return num
>>> getNumber()
'15141248146'
>>>
