当前位置:首页 > AI技术 > 正文内容

开发C#怎么控制小数点位数 C#如何进行浮点数格式化妙招案例|Duuu笔记

admin3天前AI技术11

前端进阶技巧:本文深入解析

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

【大模型应用开发

二、大模型的泛化与微调 模型的泛化能力:是指一个模型在面对新的、未见过的数据时,能够正确理解和预测这些数据的能力。在机器学习和人工智能领域,模型的泛化能力是评估模型性能的重要指标之一。...

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...

使用 ESP

针对该分类问题,我们使用了 Kaggle 手势识别数据集 中的一个开源数据集。原始数据集包括 10 个类别,我们只使用了其中 6 个。这些类别更容易识别,且日常生活中更有用,如...

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...

前端开发实战详解:骡子快跑怎么注册账号 骡子快跑账号注册流程最佳实践|Duuu笔记

骡子快跑注册仅需1分钟,但激活码需从Discord指定频道获取,输错3次将锁账户24小时;积分与注册邮箱强绑定且不可更换;部分地区即使注册成功也无法运行Agent。 ☞☞☞AI 智能聊天, 问答助手...

AI实战详解:Perplexity 怎么做市场调研 Perplexity 市场分析实操教程【商业】最佳实践|Duuu笔记

掌握Perplexity AI市场调研需五步:一、结构化提问嵌入地域/时间/主体/指标四要素;二、限定PDF等原始信源提升可信度;三、分步提问生成制表符分隔文本以自动导入Excel;四、启用Pro S...

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。