ఫ్లోర్ డివిజన్ను అర్థం చేసుకోవడం
వాక్యనిర్మాణం సరళమైనది, అనగా “a // b”, ఇక్కడ “a” అనేది లవం మరియు “b” హారం. ఫలితం పూర్ణాంకం, ఇది ఏదైనా పాక్షిక శేషాలను తొలగిస్తూ, సమీప పూర్ణ సంఖ్యకు గుండ్రంగా ఉండే గుణకాన్ని సూచిస్తుంది.
ఉదాహరణ 1: ప్రెసిషన్ రౌండ్ డౌన్ కోసం పైథాన్లో ఫ్లోర్ డివిజన్ను మాస్టరింగ్ చేయడం
నేల విభజన యొక్క పునాది భావనను గ్రహించడానికి ఒక ప్రాథమిక ఉదాహరణతో ప్రారంభిద్దాం:
న్యూమరేటర్ = 10
హారం = 3
ఫలితం = న్యూమరేటర్ // హారం
ముద్రణ ( f '{numerator} // {denominator} యొక్క ఫలితం {result}' )
ఈ ఉదాహరణలో, మేము న్యూమరేటర్ను 10కి మరియు హారం 3కి సెట్ చేసాము. ఫ్లోర్ డివిజన్ “//”ని ఉపయోగించి నిర్వహించబడుతుంది, ఇది 3 ఫలితాన్ని ఇస్తుంది. దీనికి కారణం 10ని 3తో భాగించిన 3, మిగిలిన 1 మరియు ఫ్లోర్ విభజన సమీప పూర్ణ సంఖ్య వరకు ఉంటుంది.
ఉదాహరణ 2: ప్రతికూల సంఖ్యలను నిర్వహించడం
ఈ ఉదాహరణలో, పైథాన్లోని ఫ్లోర్ డివిజన్ ప్రతికూల సంఖ్యలను ఎలా చక్కగా నిర్వహిస్తుందో మేము అన్వేషిస్తాము. దృష్టాంతంలో '-7' యొక్క లవం మరియు '2' యొక్క హారం ఉంటుంది. మేము 'ని ఉపయోగించి ఫ్లోర్ డివిజన్ ఆపరేషన్ చేసినప్పుడు // ”, పైథాన్ తెలివిగా ఫలితాన్ని సమీప పూర్ణ సంఖ్యకు పూర్తి చేస్తుంది.
న్యూమరేటర్ = - 7
హారం = 2
ఫలితం = న్యూమరేటర్ // హారం
ముద్రణ ( f '{numerator} // {denominator} యొక్క ఫలితం {result}' )
-7ని 2 ద్వారా భాగించడం వలన -3.5 యొక్క గుణకం వచ్చినప్పటికీ, ఫ్లోర్ డివిజన్ మనం ఫలితం కంటే తక్కువ లేదా సమానమైన అతిపెద్ద పూర్ణాంకాన్ని పొందేలా నిర్ధారిస్తుంది. అందువలన, రౌండ్-డౌన్ ఫలితం -4. ఈ ప్రవర్తన నేల విభజన సందర్భంలో ప్రతికూల సంఖ్యలను మరింత ప్రతికూల దిశలో చుట్టుముట్టాలని మన సహజ నిరీక్షణను పోలి ఉంటుంది.
ఉదాహరణ 3: ఫ్లోట్లతో ఫ్లోర్ డివిజన్
ఈ ఉదాహరణలో, ఫ్లోటింగ్-పాయింట్ సంఖ్యలతో ఫ్లోర్ డివిజన్ యొక్క దరఖాస్తును మేము పరిశీలిస్తాము. ఉదాహరణలలో న్యూమరేటర్ (15.8) మరియు హారం (4) ఉంటాయి. దశాంశ బిందువులు ఉన్నప్పటికీ, ఫ్లోర్ డివిజన్ అప్రయత్నంగా ఈ ఫ్లోటింగ్ పాయింట్ విలువలపై పనిచేస్తుంది, పూర్ణాంకాల కంటే దాని బహుముఖ ప్రజ్ఞను ప్రదర్శిస్తుంది.
న్యూమరేటర్ = 15.8హారం = 4
ఫలితం = న్యూమరేటర్ // హారం
ముద్రణ ( f '{numerator} // {denominator} యొక్క ఫలితం {result}' )
మేము పైథాన్లో 15.8 // 4ని అమలు చేస్తున్నాము, ఫలితాలు 3.0లో ఉంటాయి. ఇక్కడ, ఖచ్చితత్వాన్ని కాపాడేందుకు ఫలితం స్వయంచాలకంగా ఫ్లోటింగ్ పాయింట్ నంబర్గా మార్చబడుతుందని మనం గమనించాలి. సాంప్రదాయ పూర్ణాంక విభజన గురించి తెలిసిన వారికి ఫలితం మా అంచనాకు విరుద్ధంగా అనిపించినప్పటికీ, ఇది పైథాన్ యొక్క ఫ్లోర్ డివిజన్ యొక్క నియమాన్ని ఫలితం కంటే తక్కువ లేదా సమానమైన అతిపెద్ద పూర్ణాంకాన్ని తిరిగి ఇచ్చే సూత్రానికి ప్రతిబింబిస్తుంది.
ఉదాహరణ 4: పెద్ద సంఖ్యలతో ఫ్లోర్ డివిజన్
పైథాన్ యొక్క ఫ్లోర్ డివిజన్ పెద్ద సంఖ్యలను సజావుగా నిర్వహిస్తుంది. కింది ఉదాహరణను పరిగణించండి:
న్యూమరేటర్ = 987654321హారం = 123456789
ఫలితం = న్యూమరేటర్ // హారం
ముద్రణ ( f '{numerator} // {denominator} యొక్క ఫలితం {result}' )
987654321 యొక్క గుణకాన్ని 123456789తో భాగిస్తే ఈ అంతస్తు విభజన ఫలితం 8 అవుతుంది.
ఉదాహరణ 5: వ్యక్తీకరణలలో ఫ్లోర్ డివిజన్
ఫ్లోర్ డివిజన్ మరింత క్లిష్టమైన వ్యక్తీకరణలలో విలీనం చేయవచ్చు. పెద్ద సమీకరణంలో నేల విభజన ఒక భాగమైన దృష్టాంతాన్ని అన్వేషిద్దాం:
విలువ = 27పెంపు = 4
ఫలితం = ( విలువ + 3 ) // పెంపు
ముద్రణ ( f '({value} + 3) // {increment} యొక్క ఫలితం {ఫలితం}' )
ఈ ఉదాహరణలో, “(విలువ + 3) // ఇంక్రిమెంట్” వ్యక్తీకరణ మూల్యాంకనం చేయబడుతుంది, దీని ఫలితంగా 7 వస్తుంది. 27 విలువకు 3ని జోడించి, దానిని 4తో భాగించిన తర్వాత ఫ్లోర్ డివిజన్ వర్తించబడుతుంది.
ఉదాహరణ 6: బహుళ అంతస్తుల విభాగాలు
బహుళ అంతస్తుల విభజనలను వరుసగా నిర్వహించడం సాధ్యమవుతుంది. కింది ఉదాహరణను చూద్దాం:
న్యూమరేటర్ = 100హారం1 = 3
హారం2 = 4
ఫలితం = న్యూమరేటర్ // హారం1 // హారం2
ముద్రణ ( f '{numerator} // {denominator1} // {denominator2} యొక్క ఫలితం {ఫలితం}' )
ఈ సందర్భంలో, ఫలితం 8. మొదటిది, 100ని 3తో భాగిస్తే 33 వస్తుంది. తదుపరి ఫ్లోర్ డివిజన్ 33ని 4తో భాగించి, తుది ఫలితం 8ని ఇస్తుంది.
ఉదాహరణ 7: లూప్స్లో ఫ్లోర్ డివిజన్
ఈ ఉదాహరణలో, మేము నిర్దిష్ట సంఖ్యలో 'total_items' ఐటెమ్లను నిర్దిష్ట పరిమాణంలో ('items_per_batch') బ్యాచ్లలో ప్రాసెస్ చేయాల్సిన సందర్భం ఉంది. మొత్తం బ్యాచ్ల సంఖ్యను నిర్ణయించడానికి మేము ఫ్లోర్ డివిజన్ '//'ని ఉపయోగిస్తాము. ఫలితం 'బ్యాచ్లు' వేరియబుల్లో నిల్వ చేయబడుతుంది. తదనంతరం, ప్రాసెస్ చేయబడుతున్న ప్రస్తుత బ్యాచ్ని సూచించే సందేశాన్ని ప్రదర్శించే ప్రతి బ్యాచ్పై మళ్ళించడానికి ఒక లూప్ వర్తించబడుతుంది.
మొత్తం_అంశాలు = 17ప్రతి బ్యాచ్కి_ఐటెమ్లు = 5
బ్యాచ్లు = total_items // items_per_batch
కోసం బ్యాచ్ లో పరిధి ( బ్యాచ్లు ) :
ముద్రణ ( f 'ప్రాసెసింగ్ బ్యాచ్ {batch + 1}' )
ప్రాసెసింగ్ కోసం డేటాను సమాన-పరిమాణ భాగాలుగా విభజించాల్సిన సందర్భాల్లో ఫ్లోర్ డివిజన్ ఎలా ఉపయోగపడుతుందో ఈ ఉదాహరణ వివరిస్తుంది, అన్ని అంశాలు మొత్తం బ్యాచ్లలో చేర్చబడిందని నిర్ధారిస్తుంది.
ఉదాహరణ 8: వినియోగదారు ఇన్పుట్తో ఫ్లోర్ డివిజన్
ఈ ఉదాహరణ ఫ్లోర్ డివిజన్ యొక్క డైనమిక్ స్వభావాన్ని ప్రదర్శించడానికి వినియోగదారు ఇన్పుట్ను కలిగి ఉంటుంది. న్యూమరేటర్ మరియు హారం కోసం విలువలను ఇన్పుట్ చేయమని ప్రోగ్రామ్ వినియోగదారుని అడుగుతుంది. ఇది ఈ వినియోగదారు అందించిన విలువలపై ఫ్లోర్ డివిజన్ను నిర్వహిస్తుంది, రౌండ్-డౌన్ ఫలితాన్ని ప్రదర్శిస్తుంది.
న్యూమరేటర్ = int ( ఇన్పుట్ ( 'ల్యూమరేటర్ని నమోదు చేయండి:' ) )హారం = int ( ఇన్పుట్ ( 'డినామినేటర్ని నమోదు చేయండి:' ) )
ఫలితం = న్యూమరేటర్ // హారం
ముద్రణ ( f '{numerator} // {denominator} యొక్క ఫలితం {result}' )
వినియోగదారు ఇన్పుట్ లేదా బాహ్య మూలాలు వేరియబుల్గా ఉండే దృష్టాంతాలలో ఫ్లోర్ డివిజన్ను అప్రయత్నంగా ఎలా కలపవచ్చో ఇది ప్రదర్శిస్తుంది, ఇంటరాక్టివ్ మరియు డైనమిక్ ప్రోగ్రామింగ్ పరిసరాలలో ఇది వర్తిస్తుంది.
ఉదాహరణ 9: ఆర్థిక అప్లికేషన్
ఈ ఆర్థిక అనువర్తనం పొదుపు లక్ష్యాన్ని చేరుకోవడానికి అవసరమైన నెలల సంఖ్యను నిర్ణయించే లక్ష్యాన్ని కలిగి ఉన్న మరొక ఉదాహరణను అన్వేషిద్దాం.
పొదుపు_లక్ష్యం = 10000నెలవారీ_పొదుపులు = 850
నెలలు_అవసరం = సేవింగ్స్_లక్ష్యం // నెలవారీ_పొదుపులు
ముద్రణ ( f '{savings_goal} పొదుపు లక్ష్యాన్ని చేరుకోవడానికి {months_required} నెలలు పడుతుంది' )
మొత్తం పొదుపు లక్ష్యం “savings_goal” మరియు నెలవారీ పొదుపు మొత్తం “monthly_savings” కోడ్లో అందించబడ్డాయి. పొదుపు లక్ష్యాన్ని సాధించడానికి అవసరమైన మొత్తం నెలల సంఖ్యను లెక్కించడానికి ఫ్లోర్ డివిజన్ వర్తించబడుతుంది. ఖచ్చితమైన, గుండ్రంగా ఉండే ఫలితం అవసరమైన ఆచరణాత్మక ఆర్థిక గణనలలో ఫ్లోర్ డివిజన్ను ఎలా ఉపయోగించవచ్చో ఈ ఉదాహరణ చూపుతుంది.
ఉదాహరణ 10: ఉష్ణోగ్రత మార్పిడి
ఈ ఉదాహరణలో సెల్సియస్ నుండి ఫారెన్హీట్కి ఉష్ణోగ్రత మార్పిడి ఉంటుంది.
సెల్సియస్_ఉష్ణోగ్రత = 28మార్పిడి కారకం = 9 / 5
ఫారెన్హీట్_ఉష్ణోగ్రత = ( సెల్సియస్_ఉష్ణోగ్రత * మార్పిడి_కారకం ) + 32
గుండ్రని_ఫారెన్హీట్ = ఫారెన్హీట్_ఉష్ణోగ్రత // 1 # రౌండ్ డౌన్ కోసం ఫ్లోర్ డివిజన్ని ఉపయోగించడం
ముద్రణ ( f '{celsius_temperature} డిగ్రీల సెల్సియస్ సుమారుగా {rounded_fahrenheit} డిగ్రీల ఫారెన్హీట్' )
మేము ఫారెన్హీట్ ఉష్ణోగ్రత కోసం ఫ్లోటింగ్ పాయింట్ విలువకు దారితీసే మార్పిడి సూత్రాన్ని వర్తింపజేసాము. ఫారెన్హీట్ కోసం గుండ్రని-డౌన్ పూర్ణాంకాన్ని పొందేందుకు, ఫ్లోర్ డివిజన్ 1 యొక్క డివైజర్తో ఉపయోగించబడుతుంది. ఇది ఉష్ణోగ్రత యొక్క దశాంశ భాగాన్ని తొలగిస్తుంది, ఫారెన్హీట్లో పూర్తి సంఖ్యను అందిస్తుంది. ఇది వాస్తవ-ప్రపంచ దృశ్యాలలో ఫ్లోర్ డివిజన్ యొక్క ఆచరణాత్మక అనువర్తనాన్ని ప్రదర్శిస్తుంది, ఇక్కడ ఉష్ణోగ్రత ప్రాతినిధ్యాల వంటి ఖచ్చితమైన రౌండ్ డౌన్ అవసరం.
ముగింపు
ఈ ఆర్టికల్లో, మేము పైథాన్లో ఫ్లోర్ డివిజన్ యొక్క వైవిధ్యాన్ని అన్వేషించాము, ఖచ్చితత్వంతో రౌండింగ్ డౌన్లో దాని ప్రాముఖ్యతను నొక్కిచెప్పాము. ప్రాథమిక ఉదాహరణల నుండి మరింత సంక్లిష్టమైన దృశ్యాల వరకు, ప్రతికూల సంఖ్యలు, ఫ్లోట్లు మరియు పెద్ద పూర్ణాంకాలతో సహా వివిధ పరిస్థితులను ఫ్లోర్ డివిజన్ ఎలా నిర్వహిస్తుందో మేము ప్రదర్శించాము. వివిధ ప్రోగ్రామింగ్ సందర్భాలలో ఫ్లోర్ డివిజన్ యొక్క అప్లికేషన్ మరియు ప్రాముఖ్యత గురించి క్షుణ్ణంగా అర్థం చేసుకోవడానికి ఈ ఉదాహరణలలో ప్రతి ఒక్కటి వివరంగా వివరించబడింది. రౌండ్-డౌన్ పూర్ణాంక ఫలితాలు అవసరమయ్యే గణిత కార్యకలాపాలకు గట్టి పునాదిని అందించడానికి పైథాన్లోని ఫ్లోర్ డివిజన్ యొక్క శక్తిని ఉపయోగించుకోవడానికి ఉదాహరణ కోడ్ యొక్క ప్రతి దశను అర్థం చేసుకోవడం చాలా ముఖ్యం.