忙完了一周的测试工作，又开始系统学习编程语言的时间，在学习过程中，你会发现，面对一个问题，会有很多奇妙的想法和思路。
-
数字的四舍五入
对浮点型的数据进行指定精度的运算
对于简单的舍入运算，使用内置的 round(value, ndigits) 函数即可
>>> round(2.1)
2
>>> round(2.1234,2)
2.12
>>> round(2.5)
2
>>> round(3.5)
4
>>>
上述可以看出，当一个值刚好在两个边界的中间的时候， round 函数返回离它最近的偶数。也就是说，对 1.5 或者 2.5 的舍入运算都会得到 2。
同样，round() 函数的 ndigits 参数可以是负数，这种情况下，舍入运算会作用在十位、百位、千位等上面。
>>> round(123456789,-1)
123456790
>>> round(123456789,-4)
123460000
>>>
数字的四舍五入与格式化输出不一样，不能混淆，如果仅仅为了格式化输出，则直接使用format()
-
执行精准的浮点数运算
对浮点数直接执行运算，会存在一定误差，如
>>> a = 2.1
>>> b = 4.2
>>> a+b
6.300000000000001
>>>
如果不能容忍一点点误差（误差由底层 CPU 和 IEEE 754 标准通过自己的浮点单位去执行算术时的特征。而 Python 的浮点数据类型则使用底层表示存储数据），可以使用decimal模块
可以传递给Decimal整型或者字符串参数，但不能是浮点数据，因为浮点数据本身就不准确。
#不能传浮点数，如下结果
>>> Decimal(4.2)
Decimal('4.20000000000000017763568394002504646778106689453125')
>>> a=Decimal('4.2')
>>> b=Decimal('2.1')
>>> a+b
Decimal('6.3')
decimal 模块的一个主要特征是允许你控制计算的每一方面，包括数字位数和四舍五入运算
>>> 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位小数
>>> Decimal('50.5679').quantize(Decimal('0.00'))
Decimal('50.57')
>>>
-
随机选择
从一个序列中随机抽取若干元素，或者想生成几个随机数。
random模块有大量的函数用来产生随机数和随机选择元素。
>>> import random
>>> list1=[1,2,3,4,5,6]
>>> random.choice(list1)
4
>>>
随机提取出 N 个不同元素的样本用来做进一步的操作，可以使用 random.sample()。
>>> random.sample(list1,5)
[6, 4, 1, 5, 3]
>>>
如果你仅仅只是想打乱序列中元素的顺序，可以使用 random.shuffle(),注意的是：是在原来的序列上直接操作
>>> random.shuffle(list1)
>>> list1
[5, 1, 3, 4, 2, 6]
>>>
通常生成随机数的方法还是randint()、random()、getrandbits()
random 模块使用 Mersenne Twister 算法来计算生成随机数。这是一个确定性算法，但是你可以通过 random.seed() 函数修改初始化种子
random.seed() # Seed based on system time or os.urandom()
random.seed(12345) # Seed based on integer given
示例1：随机生成电话号码
#做之前先了解移动电话号码的分段及组成情况
>>> 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'
>>>
