python - 如何将数字四舍五入到指定的上限或下限？

Question

我正在处理一个数据集，在该数据集上我有某些值需要四舍五入到下限/上限。

例如。如果我希望上限为 9 并下限为 3 并且我们有这样的数字 -

[ 7.453511737983394, 
  8.10917072790058, 
  6.2377799380575, 
  5.225853201122676, 
  4.067932296134156 ]

我们希望将列表四舍五入为 3 或 9，例如 -

[ 9, 
  9, 
  9, 
  3, 
  3 ]

我知道我们可以用一种很好的旧方式来做到这一点，比如在数组中迭代并找到差异，然后得到最接近的那个。

我的方法代码:

for i in the_list[:]:
    three = abs(3-the_list[i])  
    nine = abs(9-the_list[i])

    if three < nine:
        the_list[i] = three
    else:
        the_list[i] = nine

我想知道是否有一种内置于 python 中的快速而肮脏的方法，例如:

hey_bound = round_the_num(number, bound_1, bound_2) 

我知道我们可以 my-approach-code 但我非常确定这已经以更好的方式实现了，我试图找到它但没有找到它，我们到了。

解决此问题的任何猜测或直接链接都将是惊人的。

Answer 1

编辑:
到目前为止，我认为最好的方法是使用 numpy(避免“手动”循环)，并简单计算 the_list 和两个边界之间的差异数组(因此这里没有昂贵的乘法)，以然后有条件地添加一个或另一个，具体取决于哪个较小:

import numpy as np

the_list = np.array([ 7.453511737983394,
8.10917072790058, 
6.2377799380575, 
5.225853201122676, 
4.067932296134156 ])

dhi = 9 - the_list
dlo = 3 - the_list
idx = dhi + dlo < 0
the_rounded = the_list + np.where(idx, dhi, dlo)
# array([9., 9., 9., 3., 3.])

---

我会将 round 函数应用于无偏移归一化列表，然后缩减并添加偏移量:

import numpy as np

the_list = np.array([ 7.453511737983394,
8.10917072790058, 
6.2377799380575, 
5.225853201122676, 
4.067932296134156 ])

hi = 9
lo = 3
dlt = hi - lo

the_rounded = np.round((the_list - lo)/dlt) * dlt + lo

# [9. 9. 9. 3. 3.]