关于四舍五入的一点思考

思考来源：做时间的四舍五入。例如将时间近似到最近的半小时，如10：20近似到10:30,10:10分近似到10:00。
常规做法，查，查到了将dataframe中的时间使用round近似。代码如下：

import pandas as pd

df = pd.DataFrame([{'old_column':pd.Timestamp('2015-07-18 13:53:33.280')}])
df['new_column'] = df['old_column'].dt.round('30min')

然后思考如果使用常规方式应该如何进行近似。
经历了艰难的思想斗争后，去了趟厕所，还是没想出来。。。不过路上根据另外的代码看到了取余
回到座位，起身转了转，想到四舍五入和取余的相关性。简单概括就是加上某个粒度后，计算有多少个粒度，再用个数乘以粒度即可。

• 2:53按30分钟为粒度进行取整
• 先转换为173分钟，然后除以30取整得到5，取余的23
  • 思路重点在剩下转换23分，将23分加上30(因为是按照30进行进位)后，进行地板除（//）30后转整数为1，将1加上前面的5,之后乘以30调整量纲后的到所有答案。

**以上是关于四舍五入和取余的思考，以下是关于浮点数round函数使用“银行家式舍入法”（“四舍六入五平分”）的问题总结。
问题来源：存储浮点数的计算机存储方式，导致四舍六入，在五的时候进行平分策略，

print(round(2.675, 2))
# >>>2.67

造成这种现象的原因是浮点数存储的问题，如下：

from decimal import Decimal
print(Decimal(2.665))
# >>>2.66500000000000003552713678800500929355621337890625

print(Decimal(2.675))
# >>>2.67499999999999982236431605997495353221893310546875

round函数是按照规则进行计算，而数据的存储则导致计算错误。