1、ROUND_UP
始终对非舍弃部分前面的数字加1。
0.1203456789,当精度为3的时候,按照round_up模式,结果是0.121
-0.1203456789,当精度为3的时候,按照round_up模式,结果是-0.121
注意:0.1891,当精度为3的时候,按照round_up模式,结果是0.19,自动去掉了9后面的0
而当0.91,当精度为1的时候,按照round_up模式,结果是1.0,保留了唯一一个小数点后面的0
截图好像更加直观一点:大家可以按照我的数据去做试验,(数据都是经过精心筛选的数据)
1)精度1时:
System.out.println(“ROUND_UP:” + new BigDecimal(1.00000000).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.00196789).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.10196789).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.90196789).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.00000000).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.00196789).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.10196789).setScale(1, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.90196789).setScale(1, BigDecimal.ROUND_UP));
输出:
ROUND_UP:1.0
ROUND_UP:1.1
ROUND_UP:1.2
ROUND_UP:2.0
ROUND_UP:-1.0
ROUND_UP:-1.1
ROUND_UP:-1.2
ROUND_UP:-2.0
2)精度为2时:
System.out.println(“ROUND_UP:” + new BigDecimal(1.00000000).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.00196789).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.10196789).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(1.90196789).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.00000000).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.00196789).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.10196789).setScale(2, BigDecimal.ROUND_UP));
System.out.println(“ROUND_UP:” + new BigDecimal(-1.90196789).setScale(2, BigDecimal.ROUND_UP));
输出:
ROUND_UP:1.00
ROUND_UP:1.01
ROUND_UP:1.11
ROUND_UP:1.91
ROUND_UP:-1.00
ROUND_UP:-1.01
ROUND_UP:-1.11
ROUND_UP:-1.91
2、ROUND_DOWN
从不对舍弃部分前面的数字加1,即截短。
0.1203456789,当精度为3的时候,按照round_down模式,结果是0.12,自动去掉了2后面的0
-0.1203456789,当精度为3的时候,按照round_up模式,结果是-0.12,自动去掉了2后面的0
注意:0.1891,当精度为3的时候,按照round_up模式,结果是0.189,
而当0.91,当精度为1的时候,按照round_up模式,结果是1.0,保留了唯一一个小数点后面的0
3、ROUND_CEILING
接近正无穷大的舍入模式。
如果 BigDecimal 为正,则舍入行为与 ROUND_UP 相同;
如果为负,则舍入行为与 ROUND_DOWN 相同。
注意,此舍入模式始终不会减少计算值。
4、ROUND_FLOOR
接近负无穷大的舍入模式。
如果 BigDecimal 为正,则舍入行为与 ROUND_DOWN 相同;
如果为负,则舍入行为与 ROUND_UP 相同。
注意,此舍入模式始终不会增加计算值。
5、ROUND_HALF_UP
向“最接近的”数字舍入,如果与两个相邻数字的距离相等,则为向上舍入的舍入模式。
如果舍弃部分 >= 0.5,则舍入行为与 ROUND_UP 相同;否则舍入行为与 ROUND_DOWN 相同。
注意,这是我们大多数人在小学时就学过的舍入模式(四舍五入)。
6、ROUND_HALF_DOWN
向“最接近的”数字舍入,如果与两个相邻数字的距离相等,则为上舍入的舍入模式。
如果舍弃部分 > 0.5,则舍入行为与 ROUND_UP 相同;否则舍入行为与 ROUND_DOWN 相同(五舍六入)。
7、ROUND_HALF_EVEN
向“最接近的”数字舍入,如果与两个相邻数字的距离相等,则向相邻的偶数舍入。
如果舍弃部分左边的数字为奇数,则舍入行为与 ROUND_HALF_UP 相同;
如果为偶数,则舍入行为与 ROUND_HALF_DOWN 相同。
注意,在重复进行一系列计算时,此舍入模式可以将累加错误减到最小。
此舍入模式也称为“银行家舍入法”,主要在美国使用。四舍六入,五分两种情况。
如果前一位为奇数,则入位,否则舍去。
以下例子为保留小数点1位,那么这种舍入方式下的结果。
1.15>1.2 1.25>1.2
8、ROUND_UNNECESSARY
断言请求的操作具有精确的结果,因此不需要舍入。
如果对获得精确结果的操作指定此舍入模式,则抛出ArithmeticException。