python round()_VOL.1 关于python中round()函数不同情况下的舍入问题

在此之前我从来没有思考过round()的问题，只是简单的认为同数学中的四舍五入并无区别，上课老师谈到之后才明白round()函数并不是严格的四舍五入，而采用四舍六入五看前的准则。这个准则在对一位小数化整数时没有出现任何问题，但是我在尝试使用round()函数将7.55和8.55保留为一位小数时出现了不同的舍入情况。

小数点部分完全一致，但出现了不同的舍入情况

下面简单介绍一下我对上述特殊情况的看法。

---

我们都知道所有的数据在计算机中都是以二进制存储，所以要解释清楚这个问题，我们首先得要了解小数在计算机中是怎样进行储存的。小数在计算机中主要以定点数和浮点数两种方式存储（通俗讲就是小数点位置是否固定），而浮点数又根据占用存储空间大小的不同分为32位浮点数（C语言中单精度float型就是这样的浮点数）和64位浮点数（C语言中双精度double型就是这样的浮点数）。这两种存储方式各有利弊，一般根据具体使用场景会有所选择，这不是今天讨论的问题的关键所在。在一般的现代计算机中，通常使用IEEE_754约定的浮点存储方式，而python选择64位浮点数的方式。

64位指的是一个浮点数在计算机内存中占用64位。根据IEEE_754标准，64个位中，第1位为符号位表示正负，第2-12位存储指数，第13-64位存储尾数。对IEEE_754标准详细的说明大家可以参考文末链接文章。因为浮点数小数点的位置是不确定的，而为了不浪费空间存储小数点的位置，计算机将所有小数处理成了尾数*基数^指数的形式，当基数为10时即科学计数法，例如111.101表示为了0.111101*10^3，而在计算机中，这个基数为2。

下面再来说一下十进制小数怎么转换为二进制数，拿8.55来说，整数和小数部分的转换方式是不一样的。整数部分是不断除以2并保留余数，将取余结果逆置就是整数部分的二进制表示，例如，8/2 = 4…0，4/2 = 2…0， 2/2 = 1…0， 1/2 = 0…1，所以8的二进制数就是1000。而小数部分是不断乘以2并取整数部分，例如，0.55*2 = 1.1 取 1， 0.1*2 = 0.2 取0， 0.2*2 = 0.4 取0， 0.4*2 = 0.8 取0， 0.8*2 = 1.6 取1，依次类推直到算出结果为1.0的数位，可得到0.55的二进制数为1000110…。从小数部分的转换方式可以看出来，这个计算经常是无法停止的，就导致一般情况下小数的二进制数的位数是无穷大的，8.55的二进制位数就是远大于尾数存储空间52位，所以计算机只能采取截断的方式进行存储，由此产生了精度的损失。那8.55在计算机中实际上多少呢，我们继续打印8.55的后续位数可以看到结果。

我们再来看看7.55在计算机中到底是多少。

看到这两个数在计算机中的实际大小就不难明白为什么同样保留一位小数却出现了不同的舍入情况的原因了。接下来我们在来讨论一下为什么在一位小数保留为整数时有四舍六入五看前的准则。

拿7.5来说，如果将其转为二进制数，其小数部分0.5*2=1.0，所以7.5的二进制数就是111.1，是有限位的，所以对x.5这样的小数是没有任何精度损失的。

而在传统的四舍五入方式中，4个数字（1234）是舍、5个数字（56789）是入，这是不公平的，所以对5进行了特殊处理，即整数位是奇数则入、整数位是偶数则舍。

到这里，对于round()函数出现的问题就解释清楚了，而明白了这个问题，对于python中0.1+0.2==0.3为false的问题也很好解释了。

最后，如果我们在编写程序进行数学运算时确实需要进行四舍五入该怎么办呢，python中的decimal库提供了这样的函数，详情可以查看decimal的官方文档。

IEEE 754浮点数标准详解_weixin_40805079的博客-CSDN博客​blog.csdn.net