百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

C/C++实战030:double转int常见的取整操作

ztj100 2024-12-20 19:50 77 浏览 0 评论

在实际开发中我们经常会需要对数据类型进行转换,比如说要将double类型转成int类型。取整我们也需要根据自己的业务需求来得到自己想要的值,有的需要向上取整、有的可能需要向下取整,或者四舍五入取整。还有的直接只取整数部分,不管小数后面的内容。

向上取整

向上取整我们可以利用函数ceil来实现,该函数返回一个大于或等于x的整数。该函数由头文件math.h提供,比如π通过ceil返回的就是4。该函数可以处理float、double、long doubles数据类型及泛型<T>,如果没有小数则返回直接参数X,如果有小数部分则舍去小数部分并向前进一位。当参数是string字符串时,则返回0。

ceil (double x);
ceil (float x);
ceil (long double x);
ceil (T x);     // additional overloads for integral type
---------------------------
double π = 3.1415926;
int a = ceil(π);
print("%d",a);
---------------------------
4

向下取整

向下取整我们可以利用函数floor来实现,该函数返回一个不大于x的最大整数。该函数可以处理float、double、long doubles数据类型及泛型<T>,如果没有小数则返回直接参数X,如果有小数部分则舍去小数部分并向后退一位。当参数是string字符串时,则返回0。

floor (double x);
floor (float x);
floor (long double x);
floor (T x);     // additional overloads for integral type

四舍五入取整

四舍五入取整我们可以利用函数round来实现,返回距离参数最近的整数。该函数可以处理float、double、long doubles数据类型及泛型<T>,如果参数值正好在两个整数的中间位置则返回距离0较远的那一个整数。

round (double x);
round (float x);
round (long double x);
round (T x);           // additional overloads for integral types

只取整数部分

还有一种就是只取整数部分而不会四舍五入,不管小数后面的值是多少都直接舍弃。 如果你只想取整数部分那么只要在要转换的变量前用括号确定要转换的类型(int),这是种强制类型转换,是不安全的赋值方法。

(int) (double x);
(int) (float x);
(int) (long double x);
(int) (T x);           // additional overloads for integral types

总结:

不同的数据有不同的数据类型,不同的数据类型具有不同的特性。不过不同类型的数据之间,有时候是可以相互转换的。数据类型转换就是因业务需求将数据从一种类型转换为另一种类型以满足业务需求,但是数据从“double”转换“int”会丢失数据精度所以慎用哦!以上内容是小编给大家分享的【C/C++实战030:double转int常见的取整操作】。希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: