修改代码，使求出来的数值结果保留到小数点后两位：import numpy as np # 定义高斯核函数 def gkernel(x, x0, sig): return np.exp(-(x-x0)**2/(2*sig**2)) # 定义曲率函数 def curvature(x, y): dy = np.gradient(y, x) ddy = np.gradient(dy, x) k = np.abs(ddy) / (1 + dy**2)**1.5 return k # 定义参数和数组 x1 = np.linspace(11, 14, 6) x2 = np.linspace(11, 14, 1000) sig = 1 w = 1 y_rec = np.zeros_like(x2) curv_list = [] # 计算曲率值 for xi in x2: y = y_rec.copy() for k, xk in enumerate(x1): y += w * gkernel(xi, xk, sig) curv = curvature(x2, y) curv_list.append(curv[0]) # 找到与x1中的任意原采样点间隔不小于1的五个最大曲率点坐标 idx_max = np.argsort(curv_list)[-7:] x_max = x2[idx_max] x_max_sorted = np.sort(x_max) x_max_filtered = x_max_sorted[1:] # 从第二个点开始，保证与x1中的任意原采样点间隔不小于1 print("与x1中的任意原采样点间隔不小于1的五个最大曲率点的横坐标为:", x_max_filtered)

修改后的代码如下：

import numpy as np

# 定义高斯核函数
def gkernel(x, x0, sig):
    return np.exp(-(x-x0)**2/(2*sig**2))

# 定义曲率函数
def curvature(x, y):
    dy = np.gradient(y, x)
    ddy = np.gradient(dy, x)
    k = np.abs(ddy) / (1 + dy**2)**1.5
    return k

# 定义参数和数组
x1 = np.linspace(11, 14, 6)
x2 = np.linspace(11, 14, 1000)
sig = 1
w = 1
y_rec = np.zeros_like(x2)
curv_list = []

# 计算曲率值
for xi in x2:
    y = y_rec.copy()
    for k, xk in enumerate(x1):
        y += w * gkernel(xi, xk, sig)
    curv = curvature(x2, y)
    curv_list.append(curv[0])

# 找到与x1中的任意原采样点间隔不小于1的五个最大曲率点坐标
idx_max = np.argsort(curv_list)[-7:]
x_max = x2[idx_max]
x_max_sorted = np.sort(x_max)
x_max_filtered = x_max_sorted[1:] # 从第二个点开始，保证与x1中的任意原采样点间隔不小于1

# 输出结果
print("与x1中的任意原采样点间隔不小于1的五个最大曲率点的横坐标为:")
for x in x_max_filtered:
    print("{:.2f}".format(x))

主要是在 `print` 语句中加入了格式化输出，使用了 `:.2f` 表示将浮点数保留两位小数输出。