Python Math ISClose -metoden

Python Math ISClose -metoden
Matemodulen i Python inneholder forskjellige numeriske oppgaver som kan utføres effektivt og gjøre livene våre mye enklere. ISClose () -metoden er en av komponentens viktigste funksjoner.

Matematikk ISClose () -funksjonen brukes til å finne ut om to verdier er nær hverandre. Hvis tallene er i nærheten av, produserer det sant; Ellers returnerer det falskt.

Syntaks:

Denne metoden er strukturert på fire parametere (A, B, REL_TOL, ABS-TOL):

  1. [a]: Den første verdien som er nødvendig for å sammenlignes.
  2. [b]: Den andre verdien som er nødvendig for å sammenlignes.
  3. [rel_tol]: Det er den største tillatte forskjellen mellom tall A og B, avledet fra ordet relativ toleranse. Standardinnstillingen er (1E-09).
  4. [ABS_TOL]: Det er avledet fra uttrykket absolutt toleranse og brukes til å sammenligne tallene nær null. Mengden må være minst (0).

Eksempel 1:

Dette eksemplet viser sammenligningen mellom to samme heltallverdier som er (1) og (1), da de begge er de samme verdiene. Dette indikerer naturlig at de begge er nærmest i forhold til hverandre. Forskjellen mellom begge verdiene er null, som er standard minst toleranse gitt i den medfølgende parameteren. Så returverdien må være null.

Som nevnt tidligere returnerer kompilatoren den "sanne" verdien etter å ha sammenlignet (1) og (1). Og prosessen slutter.

Eksempel 2:

Dette eksemplet viser tilfellene av en sammenligning mellom to heltallverdier (10) og (1) med bruk av relativ toleranse som dikterer at den maksimale forskjellen som er tillatt mellom to verdier må være (2). Så dette gjør vår sammenligning sann som en naturlig forskjell er (9). Alle parametere faller i rekkefølge for å komme tilbake i verdi av sann.

Som forventet returnerer sammenligningen av 10 og 1 med relativ toleranse av 2 "sann" etter sammenstilling.

Eksempel 3:

I dette eksemplet er det en sammenligning mellom to heltallverdier som er (10) og (18) som også er gitt en parameter med minimum absolutt toleranse som er (11). Forskjellen mellom begge verdiene er (8), noe som betyr at metoden som faller i tilstand som ABS_TOL er (11) og returverdien er sann.

Kompilatoren returnerer det forventede resultatet som er "sant" siden alle parametrene var innenfor tilstanden.

Eksempel 4:

Dette eksemplet viser metoden som fungerer med alle fire parametere med noen standardverdi. Verdiene som er gitt for sammenligning er to heltall som er (5) og (3). Den relative toleransen er (1) og den absolutte toleransen er (0.7). Dette betyr at den maksimale tillatte forskjellen er (1) og minimums absolutte toleranse er (0.7). Den naturlige forskjellen mellom (5) og (3) er verdien av (2) som betyr at sammenligningen er en suksess og begge verdiene er i nærheten av hverandre.

Som forventet returnerer kompilatoren den "sanne" verdien siden alle fire parametere oppfylte kriteriene som de opprettet. Dermed er svaret gyldig/sant.

Eksempel 5:

Dette eksemplet viser bruken av forhåndsdefinerte variabler som skal være i metoden for sammenligning. Variabel (a) og (b) er allerede gitt verdier i heltall som er (45) og (5).I dette eksemplet bruker metoden alle fire parametere for sammenligning (a) og (b). I dette eksemplet er den relative toleransen (1) og den absolutte toleransen er (0.7). Den naturlige forskjellen mellom (45) og (5) er (40) som kommer inn under alle kriteriene. Returverdien skal gi den boolske verdien av "sann".

Med variabel (a) som holder heltallverdien (45) og (b) hold (5), har de en forskjell på (5) og som returnerer den sanne verdien fordi den relative toleransen er (1) og den absolutte toleransen er (0.7).

Eksempel 6:

Dette eksemplet viser en kode der praksisen med å bruke print () -funksjonen brukes til å skrive ut en returverdi for ISClose () -metoden ved å tilordne hele metoden til en variabel, som dikterer returverdien som skal overføres som verdien av tildelt variabel som er (a). De fire parametrene inneholder to heltallverdier som er (95) og (88). Den relative toleransen er (0.1) Og den absolutte toleransen er (0.23). Den naturlige forskjellen mellom to heltallverdier på (95) og (88) er (7), noe som er ok for sammenligning som relativ toleranse og absolutt toleranse. Så den forventede avkastningen må være "sann".

Siden den forventede returverdien er "sann" som ble kalt ved å trykke virkningen, er nå returverdien av "sann" verdien av den tildelte variabelen som er (a).

Eksempel 7:

Dette eksemplet viser en kode der praksisen med å bruke print () -funksjonen brukes til å skrive ut en returverdi for ISClose () -metoden. Denne gangen, i stedet for å tilordne en variabel som senere skal brukes til print () -funksjonen, brukes hele funksjonen til å kalle returverdien. Det betyr at ISClose () -metoden brukes som en parameter for print () -funksjonen. Print () kaller metoden for utførelse og returverdien skal skrives ut.

Dette eksemplet viser bruken av forhåndsdefinerte variabler som skal være i metoden for sammenligning. Variabel (a) og (b) er allerede gitt verdier i heltall som er (45) og (500).

Print () -funksjonen initierer ISClose () -metoden. Begge forhåndsdefinerte variabler kalles parametere i metoden for å sammenligne begge verdiene.

De fire parametrene inneholder to heltallverdier som er (45) og (500), mens den relative toleransen er (0.5) og den absolutte toleransen er (0.7). Den naturlige forskjellen mellom to heltallverdier på (45) og (500) er (455) som er veldig langt fra den relative toleransen og den absolutte toleransen. Så den forventede avkastningen må være "falsk" som (455) er en veldig stor forskjell som betyr at begge verdiene ikke er i nærheten av hverandre.

Etter utførelsen kommer returverdien til "falsk" logisk, siden heltallene (45) og (500) ikke er i nærheten av hverandre med en enorm forskjell på (455).

Returverdien som er "falsk" vises som verdien av utskriftsfunksjonen etter samlingen.

Konklusjon

Pythons matematikkbibliotek gir en rekke matematiske operasjoner som kan gjøres raskt og ganske enkelt, noe som gjør livene våre mye enklere. ISClose () -metoden er en av de viktigste metodene i denne pakken. Det kan ha mange brukssaker siden vi alltid sammenligner heltallverdiene i hverdagen vår. Denne metoden kan spille en viktig rolle i kategoriseringen av store datamengder hvis den brukes riktig.