当前位置:首页 > AI技术 > 正文内容

C#怎么控制小数点位数 C#如何进行浮点数格式化妙招实战案例|Duuu笔记

admin2周前 (03-31)AI技术20

ToString("F2") 默认采用银行家舍入(四舍六入五成双),如2.555→"2.56"、2.655→"2.66";需传统四舍五入应先用Math.Round(x,2,MidpointRounding.AwayFromZero);金融计算务必使用decimal类型避免浮点误差。

ToString("F2") 会四舍五入,但不是所有场景都适用

直接用

ToString("F2")

是最常见做法,但它默认按“银行家舍入”(四舍六入五成双)处理,比如

2.555.ToString("F2")

得到的是

"2.56"

,而

2.655.ToString("F2")

却是

"2.66"

—— 看似合理,但财务或报表场景常要求严格“四舍五入到偶数以外的规则”,这时它就不够用了。

实操建议:

纯展示且接受银行家舍入:用

value.ToString("F2")

$"{value:F2}"

需要传统四舍五入(如数学考试场景):先调用

Math.Round(value, 2, MidpointRounding.AwayFromZero)

,再转字符串

注意

double

本身存在精度误差,

0.1 + 0.2

不等于

0.3

,格式化前最好确认原始值是否已按需截断或修正

string.Format 和插值字符串里的 "N2" 与 "F2" 差在哪

"N2"

"F2"

都能输出两位小数,但前者带千位分隔符和本地化符号,后者只管小数位。比如在中文系统下,

string.Format("{0:N2}", 12345.678)

输出

"12,345.68"

,而

"{0:F2}"

输出

"12345.68"

实操建议:

做金额展示且需符合当地习惯(如加逗号、货币符号):优先用

"N2"

或更明确的

"C2"

(Currency)

做日志、API 返回、数据库写入等对格式敏感的场景:用

"F2"

,避免意外插入分隔符导致解析失败

"C2"

依赖当前线程的

CultureInfo

,若服务跨区域部署,建议显式传入

CultureInfo.InvariantCulture

防止环境差异

Math.Round 的第三个参数容易被忽略

Math.Round(3.45, 1)

默认返回

3.4

,不是

3.5

—— 因为它的默认舍入模式是

MidpointRounding.ToEven

(即“向偶数舍入”)。很多开发者卡在这儿,以为函数坏了。

Action Figure AI

借助Action Figure AI的先进技术,瞬间将照片转化为定制动作人偶。

下载

实操建议:

明确要“远离零”的四舍五入:必须写全三个参数,如

Math.Round(x, 2, MidpointRounding.AwayFromZero)

不要对

float

直接用

Math.Round

,先转

double

decimal

,否则浮点误差会放大舍入偏差

如果目标是“截断”而非“舍入”(比如只要前两位小数,不进位),别用

Round

,改用

Math.Truncate(value * 100) / 100

decimal 才是金融计算的正确起点

double

做金额计算再格式化,哪怕显示看着对,中间过程可能已经失真。比如

19.99m + 0.01m == 20.00m

永远成立,但

19.99 + 0.01 == 20.00

double

下大概率是

false

实操建议:

只要涉及钱、税率、百分比累计等需精确小数运算的场景,变量类型从一开始就用

decimal

decimal

的格式化行为和

double

一致(

"F2"

Math.Round

等都可用),但底层无二进制表示误差

从数据库读取时注意字段类型匹配:SQL Server 的

decimal(18,2)

应映射为 C# 的

decimal

,不是

double

float

事情说清了就结束。格式化只是表象,真正决定结果的是你用什么类型存、怎么算、以及要不要让舍入规则透明可控。

相关文章

【大数据分析 | 深度学习】在Hadoop上实现分布式深度学习

一、Submarine(Hadoop生态系统) (一)Submarine 介绍 (三)Submarine 属于 Hadoop 生态系统 (四)Submarine 官网版...

什么是LLM?看这一篇就够了!

一、全套AGI大模型学习路线 AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能! 二、640套AI大模型报告合集 这套包含640份报告的合集,涵盖了AI大...

LLM介绍

。LLM 被证明在使用指令形式化描述的未见过的任务上表现良好。这意味着 LLM 能够根据任务指令执行任务,而无需事先见过具体示例,展示了其强大的泛化能力。 :小型语言模型通常难以解决涉...

神经网络分类总结

从网络性能角度可分为连续型与离散型网络、确定性与随机性网络。 从网络结构角度可为前向网络与反馈网络。 从学习方式角度可分为有导师学习网络和无导师学习网络。 按连续突触性...

推荐10个AI人工智能技术网站

除了研究和开发人工智能技术,OpenAI还积极参与人工智能伦理和安全的研究和探讨。 认为,人工智能技术的发展必须遵循伦理和法律的规范,以确保人工智能的应用不会对人类带来负面影响。...

跨平台机器学习:ML.NET架构及应用编程

平台上的一个机器学习框架,它提供了一套丰富的算法和工具,使得开发人员可以轻松地构建和部署机器学习模型。支持多种编程语言,包括等,这使得它成为跨平台机器学习的理想选择。的架构主要包括三个部分:数据读取、...

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。