float() - 浮点数转换函数

将值转换为浮点数类型

分类: builtins 难度: 初级 更新: 2024-01-15
类型转换 浮点数 数值

float() - 浮点数转换函数

📝 概述

float() 是 Python 中的内置函数，用于将数值或字符串转换为浮点数类型。它支持多种格式的数值转换，包括科学计数法、无穷大和非数值等特殊值的处理。

🎯 学习目标

  • 掌握 float()函数的基本用法
  • 理解不同数据类型到浮点数的转换规则
  • 学会处理特殊浮点数值（inf、nan）
  • 了解浮点数精度和表示范围

📋 前置知识

  • Python 基本数据类型
  • 数值系统基础
  • 浮点数表示原理

🔍 详细内容

基本概念

float() 函数将输入值转换为浮点数。Python 使用 IEEE 754 双精度浮点数标准，提供约 15-17 位十进制精度。

语法格式

## 无参数调用,返回 0.0
float()

## 转换数值或字符串
float(x)

参数说明

参数名 类型 必需 默认值 说明
x number/string 否 无 要转换的数值或字符串

返回值

  • 类型: float
  • 说明: 转换后的浮点数值

💡 实际应用

基础用法

## 无参数调用
result = float()  # 返回 0.0
print(f"无参数调用: {result}")  # 输出: 无参数调用: 0.0
print(f"类型: {type(result)}")  # 输出: 类型: <class 'float'>

## 整数转换
int_num = 42
float_num = float(int_num)
print(f"整数转换: {float_num}")  # 输出: 整数转换: 42.0

## 字符串转换
str_num = "3.14159"
converted = float(str_num)
print(f"字符串转换: {converted}")  # 输出: 字符串转换: 3.14159

## 布尔值转换
print(f"True 转换: {float(True)}")   # 输出: True 转换: 1.0
print(f"False 转换: {float(False)}") # 输出: False 转换: 0.0

科学计数法

## 科学计数法字符串
scientific_notation = [
    "1.23e4",    # 12300.0
    "1.23E4",    # 12300.0
    "1.23e-4",   # 0.000123
    "1.23E-4",   # 0.000123
    "6.022e23",  # 阿伏伽德罗常数
]

for notation in scientific_notation:
    result = float(notation)
    print(f"{notation} = {result}")

## 输出:
## 1.23e4 = 12300.0
## 1.23E4 = 12300.0
## 1.23e-4 = 0.000123
## 1.23E-4 = 0.000123
## 6.022e23 = 6.022e+23

特殊值处理

## 无穷大
positive_inf = float('inf')    # 正无穷
negative_inf = float('-inf')   # 负无穷
positive_inf2 = float('infinity')  # 正无穷的另一种写法

print(f"正无穷: {positive_inf}")
print(f"负无穷: {negative_inf}")
print(f"无穷大检查: {positive_inf == float('inf')}")

## 非数值 (Not a Number)
nan_value = float('nan')
print(f"NaN 值: {nan_value}")
print(f"NaN 检查: {nan_value != nan_value}")  # NaN 的特殊性质

## 使用 math 模块检查特殊值
import math
print(f"是否为无穷: {math.isinf(positive_inf)}")
print(f"是否为 NaN: {math.isnan(nan_value)}")
print(f"是否为有限数: {math.isfinite(3.14)}")

高级用法

## 处理不同格式的数值字符串
number_strings = [
    "  3.14  ",      # 带空格
    "+3.14",         # 带正号
    "-3.14",         # 带负号
    "3.",            # 省略小数部分
    ".14",           # 省略整数部分
    "0.0",           # 零值
]

for num_str in number_strings:
    try:
        result = float(num_str)
        print(f"'{num_str}' -> {result}")
    except ValueError as e:
        print(f"'{num_str}' -> 错误: {e}")

实际案例：数据清洗

def clean_numeric_data(data_list, default_value=0.0):
    """清洗数值数据,处理各种异常情况"""
    cleaned_data = []
    error_log = []
    
    for i, item in enumerate(data_list):
        try:
#            # 处理 None 值
            if item is None:
                cleaned_data.append(default_value)
                error_log.append(f"索引 {i}: None 值已替换为默认值")
                continue
            
#            # 处理字符串
            if isinstance(item, str):
#                # 去除空格
                item = item.strip()
                
#                # 处理空字符串
                if not item:
                    cleaned_data.append(default_value)
                    error_log.append(f"索引 {i}: 空字符串已替换为默认值")
                    continue
                
#                # 处理特殊字符串
                if item.lower() in ['na', 'n/a', 'null', 'none']:
                    cleaned_data.append(default_value)
                    error_log.append(f"索引 {i}: 缺失值标记已替换为默认值")
                    continue
            
#            # 转换为浮点数
            result = float(item)
            
#            # 检查是否为有效数值
            if math.isnan(result):
                cleaned_data.append(default_value)
                error_log.append(f"索引 {i}: NaN 值已替换为默认值")
            elif math.isinf(result):
                cleaned_data.append(default_value)
                error_log.append(f"索引 {i}: 无穷值已替换为默认值")
            else:
                cleaned_data.append(result)
                
        except (ValueError, TypeError) as e:
            cleaned_data.append(default_value)
            error_log.append(f"索引 {i}: 转换错误 '{item}' - {str(e)}")
    
    return cleaned_data, error_log

## 测试数据
test_data = [
    "3.14", "2.71", None, "", "  5.0  ", 
    "invalid", "inf", "nan", "N/A", 42
]

cleaned, errors = clean_numeric_data(test_data)
print(f"清洗后数据: {cleaned}")
print("\n 错误日志:")
for error in errors:
    print(f"  {error}")

精度和范围

import sys

## 浮点数信息
print(f"浮点数最大值: {sys.float_info.max}")
print(f"浮点数最小正值: {sys.float_info.min}")
print(f"浮点数精度: {sys.float_info.dig} 位")
print(f"浮点数机器精度: {sys.float_info.epsilon}")

## 精度演示
print("\n 精度演示:")
print(f"0.1 + 0.2 = {0.1 + 0.2}")
print(f"0.1 + 0.2 == 0.3: {0.1 + 0.2 == 0.3}")

## 精度比较的正确方法
def float_equal(a, b, tolerance=1e-9):
    """浮点数相等比较"""
    return abs(a - b) < tolerance

print(f"使用容差比较: {float_equal(0.1 + 0.2, 0.3)}")

⚠️ 注意事项

精度问题

## 浮点数精度限制
print(f"大数精度: {float('9' * 20)}")
print(f"小数精度: {float('0.' + '0' * 15 + '1')}")

## 避免精度问题的方法
from decimal import Decimal

## 使用 Decimal 进行精确计算
decimal_result = Decimal('0.1') + Decimal('0.2')
print(f"Decimal 结果: {decimal_result}")
print(f"Decimal 等于 0.3: {decimal_result == Decimal('0.3')}")

异常处理

## 常见转换错误
invalid_inputs = [
    "abc",           # 无效字符串
    "3.14.15",       # 多个小数点
    "3 + 4",         # 表达式
    "",              # 空字符串
    "3.14e",         # 不完整的科学计数法
]

for invalid_input in invalid_inputs:
    try:
        result = float(invalid_input)
        print(f"'{invalid_input}' -> {result}")
    except ValueError as e:
        print(f"'{invalid_input}' -> 错误: {e}")

性能考虑

import time

## 大量转换的性能测试
data = [str(i + 0.5) for i in range(100000)]

## 方法 1:列表推导式
start_time = time.time()
results1 = [float(x) for x in data]
time1 = time.time() - start_time

## 方法 2:map 函数
start_time = time.time()
results2 = list(map(float, data))
time2 = time.time() - start_time

print(f"列表推导式耗时: {time1:.4f}秒")
print(f"map 函数耗时: {time2:.4f}秒")
print(f"性能提升: {(time1/time2-1)*100:.1f}%")

🔗 相关内容

相关函数

相关模块

相关概念

📚 扩展阅读

🏷️ 标签

类型转换 浮点数 数值处理 精度 科学计数法

最后更新: 2024-01-15
作者: Python 文档工程师
版本: 1.0

作者: Python 文档工程师

版本: 1.0

讨论与反馈

欢迎在下方留言讨论，分享你的学习心得或提出问题。评论基于GitHub Issues，需要GitHub账号。