python 中实现真正的四舍五入

round()函数

奇进偶舍，又称为四舍六入五成双规则、银行进位法。

它是一种计数保留法。从统计学的角度，“奇进偶舍”比“四舍五入”更为精确：在大量运算时，因为舍入后的结果有的变大，有的变小，更使舍入后的结果误差均值趋于零。而不是像四舍五入那样逢五就进位，导致结果偏向大数，使得误差产生积累进而产生系统误差。

“奇进偶舍”使测量结果受到舍入误差的影响降到最低。

但是 这样就会间接的影响到我们试图实现四舍五入的操作。
其具体规则为：

四舍：要求保留位数的后一位如果是4，则舍去。例如round(5.214,2)保留两位小数为5.21

六入：如果保留位数的后一位如果是6，则进上去。例如round(5.216,2)保留两位小数为5.22

五成双：如果保留位数的后一位如果是5，而且5后面不再有数，要根据应看尾数“5”的前一位决定是舍去还是进入: 如果是奇数则进入，如果是偶数则舍去。例如5.215保留两位小数为5.22； 5.225保留两位小数为5.22

其实现的并不是我们广义所知的四舍五入

decimal()

python中的数据显示其实是不太精确的，若是这个浮点数数值无法被计算机精确的存储，那么它就会先被转存为一个二进制的值，再转化为等效（53位甚至更多位来保证精度）的十进制值。因此
试图存入1.1时，其实是存入了1.100000000000000088817841970012523233890533447265625
试图存入1.125时，其实是存入了’1.1249999…’

因此先使用decimal将其保留到n为精确的小数，再进行舍入，写法如下

需要引入模块：from decimal import Decimal, ROUND_HALF_UP

a1 = Decimal('1.125').quantize(Decimal('0.00'),rounding=ROUND_HALF_UP)

首先，‘1.125’ 是要进行四舍五入的数字，注意是字符串格式。
后面的字符串 ‘0’，是要控制小数点的位数，‘0’就是取整，'0.0’就是保留一位小数，0.00’就是保留两位小数，依次类推。
注意，上面那个式子返回的结果是Decimal类型

如果是python中对dataframe进行处理的话：

data['high_mid_px'] = data['high_mid_px'].apply(lambda x: self.round_decimal(x))

def round_decimal(self, x):
    if pd.notnull(x):  # 检查是否为空值
        return Decimal(x).quantize(Decimal('0.0000'), rounding=decimal.ROUND_HALF_UP)
    else:
        return x

注：Decimal对空值不是很友好，会影响后续处理，因此在处理列的时候需要将空值设置为默认值或者写个lambda表达式判断是否为空值，不是空值的处理，是空值的则不处理