关于python中的round方法

今天用python中的round方法来四舍五入，结果发现预期跟实际差距太大，也摸不出规律所在，在一顿查找之下，终于算是彻底了解了。

先来看一波示例，结果是大跌眼镜。

# python 2.7.5

>>> round(1.55, 1)
1.6
>>> round(2.55, 1)
2.5

查阅python2.7官方文档，里面有这样一句话：

Note: The behavior of round() for floats can be surprising: for example, round(2.675, 2) gives 2.67 instead of the expected 2.68. This is not a bug: it’s a result of the fact that most decimal fractions can’t be represented exactly as a float. See Floating Point Arithmetic: Issues and Limitations for more information.

注意：对于浮点数来说，round()的行为可能令人惊讶，例如，round(2.675, 2)给出了2.67，而不是预期的2.68。这并不是一个bug，它是大多数小数部分不能精确表示为浮点数的结果。有关更多信息，请参阅浮点算法：问题和限制。

简而言之，就是大多数浮点数在存储为二进制的时候不能够精确存储，会有精度的损失，你看到的1.55并不是实际上的1.55，它实际的值通过decimal.Decimal模块可以看出来。

# python 2.7.5

>>> from decimal import Decimal
>>> Decimal(1.55)
Decimal('1.5500000000000000444089209850062616169452667236328125')
>>> Decimal(2.55)
Decimal('2.54999999999999982236431605997495353221893310546875')

可以看出1.55存储的实际值比1.55要大一点点，2.55存储的实际值比2.5小一点点，所以1.55保留一位小数的情况下它离1.6更近一些，而2.55保留一位小数的情况下则离2.5更近一些。

如果是精确存储的浮点数，并且最后一位为5的情况下，离两端距离一样，这个时候就要区分python版本了。

• 在python2下，直接进位。总结起来就是 “四舍五入”

# python 2.7.5

>>> round(0.5)
1.0
>>> round(-0.5)
-1.0
>>> round(1.5)
2.0

• 在python3下，前一位为奇数，则进位，前一位为偶数，则舍去。也就是 “四舍六入五成双”，又叫 “四舍六入五凑偶”。

# python 3.6.4

>>> round(0.5)
0
>>> round(-0.5)
0
>>> round(1.5)
2

参考：

• https://www.cnblogs.com/anpengapple/p/6507271.html
• https://docs.python.org/2/library/functions.html#round
• https://docs.python.org/3.6/library/functions.html#round