round函数python：
10年专注成都网站制作，企业网站设计，个人网站制作服务，为大家分享网站制作知识、方案，网站设计流程、步骤,成功服务上千家企业。为您提供网站建设,网站制作,网页设计及定制高端网站建设服务,专注于企业网站设计,高端网页制作,对发电机维修等多个领域，拥有丰富的网站营销经验。
这个函数相当于调去里面的一个函数，有一个数组，从中里面调取一个数据。简单的说，round是使用四舍五入对小数进行位数控制的函数，round（a，b），a参数是小数，b是小数点后保留的位数。实际使用需要考虑的python2和python3版本的差异与小数精度的问题。
ound函数的使用用法
根据Excel的帮助得知，round函数就是返回一个数值，该数值是按照指定的小数位数进行四舍五入运算的结果。
round函数的语法是：ROUND(number,num_digits)，即：Round（数值，保留的小数位数)
Number：需要进行四舍五入的数字。
Num_digits：指定的位数，按此位数进行四舍五入。
其中，如果num_digits大于0，则四舍五入到指定的小数位。
如果num_digits等于0，则四舍五入到最接近的整数。
如果num_digits小于0，则在小数点左侧进行四舍五入。
8个超好用内置函数set（），eval（），sorted（），reversed（），map（），reduce（），filter（），enumerate（）
python中有许多内置函数，不像print那么广为人知，但它们却异常的强大，用好了可以大大提高代码效率。
这次来梳理下8个好用的python内置函数
1、set()
当需要对一个列表进行去重操作的时候，set()函数就派上用场了。
用于创建一个集合，集合里的元素是无序且不重复的。集合对象创建后，还能使用并集、交集、差集功能。
2、eval()之前有人问如何用python写一个四则运算器，输入字符串公式，直接产生结果。用eval()来做就很简单：eval(str_expression)作用是将字符串转换成表达式，并且执行。
3、sorted()在处理数据过程中，我们经常会用到排序操作，比如将列表、字典、元组里面的元素正/倒排序。这时候就需要用到sorted() ，它可以对任何可迭代对象进行排序，并返回列表。对列表升序操作：
对元组倒序操作：
使用参数：key，根据自定义规则，按字符串长度来排序：
根据自定义规则，对元组构成的列表进行排序：
4、reversed()如果需要对序列的元素进行反转操作，reversed()函数能帮到你。reversed()接受一个序列，将序列里的元素反转，并最终返回迭代器。
5、map()做文本处理的时候，假如要对序列里的每个单词进行大写转化操作。这个时候就可以使用map()函数。
map()会根据提供的函数，对指定的序列做映射，最终返回迭代器。也就是说map()函数会把序列里的每一个元素用指定的方法加工一遍，最终返回给你加工好的序列。举个例子，对列表里的每个数字作平方处理：
6、reduce()前面说到对列表里的每个数字作平方处理，用map()函数。那我想将列表里的每个元素相乘，该怎么做呢？这时候用到reduce()函数。
reduce()会对参数序列中元素进行累积。第一、第二个元素先进行函数操作，生成的结果再和第三个元素进行函数操作，以此类推，最终生成所有元素累积运算的结果。再举个例子，将字母连接成字符串。
你可能已经注意到，reduce()函数在python3里已经不再是内置函数，而是迁移到了functools模块中。这里把reduce()函数拎出来讲，是因为它太重要了。
7、filter()一些数字组成的列表，要把其中偶数去掉，该怎么做呢？
filter()函数轻松完成了任务，它用于过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象。filter()函数和map()、reduce()函数类似，都是将序列里的每个元素映射到函数，最终返回结果。我们再试试，如何从许多单词里挑出包含字母w的单词。
8、enumerate()这样一个场景，同时打印出序列里每一个元素和它对应的顺序号，我们用enumerate()函数做做看。
enumerate翻译过来是枚举、列举的意思，所以说enumerate()函数用于对序列里的元素进行顺序标注，返回(元素、索引)组成的迭代器。再举个例子说明，对字符串进行标注，返回每个字母和其索引。
举例2：
运行结果：
运行结果：
定义：
调用：
我们经常在看别人的代码中，经常出现def(*args, **kwargs)这样的表现形式：
外部变量被改（x由100改为101）：
内部变量外部也可用：
统计程序中的变量，返回的是个字典
结果：
lambda版本写法：
结果：
举例：
我们这次的任务是利用Python来模拟抛硬币的情况，并且记录正面朝上占所有试验中的比率，大家是不是想起了课堂中提到过的蒲丰，皮尔逊等人做的试验？当然，我们现在已经不再需要再去扔几千次，几万次硬币了；Python为我们提供了一个相当便捷的解决方案。Python 的randint（0,1）函数可以等概率，随机地返回0与1两个数，我们可以将返回的数值0记为硬币的反面，1记为硬币的正面，所以问题就转换成了：统计大量重复试验中，结果为1占总试验次数的比例。
简单地画一个流程图，希望有助于大家理解。
*流程图是网上使用ProcessOn画的，一个免费的在线流程图绘制平台，简单容易上手，强烈安利给大家~
废话不多说，上图：
可以看见，随着硬币投掷次数的增加，正面朝上的几率逐渐稳定在0.5，这就是我们在课堂上讲过的内容：在重复试验中，我们可以使用频率的稳定值作为事件发生的概率。
怎么样，是不是学到了一招？
在这个程序的基础上，我相信大家有能力进行进一步地延伸与发散。
大家可以尝试着去完成这样三个问题：
1，比较一下当投掷次数为100次，1000次与10000次的图像差别（提示：为了使区别更加显著，大家可以尝试将X轴使用对数坐标表示）
好的，就先写到这里，感觉有意思的话点个赞再走呗~
抛出异常是停止运行这个函数中的代码。
哈希算法将一个不定长的输入，通过散列函数变换成一个定长的输出，即散列值。是一种信息摘要算法。对象的hash值比原对象拥有更低的内存复杂度。
它不同于加密。哈希是将目标文本转换成具有相同长度的，不可逆的杂凑字符串，而加密则是将文本转换为具有相同长度的，可逆的密文。哈希算法是不可逆的，只能由输入产生输出，不能由输出产生输入。而加密则是可逆的。即可以从输入产生输出，也可以反过来从输出推出输入。
