python四舍五入保留小数点后三位_你真的搞懂了Python中的四舍五入吗？1.45保留小数点后1位，四舍五入后得多少？...-CSDN博客

先来看看Python内置的四舍五入函数：

round(x, n)该函数返回传入的x数值(浮点型或整型)的四舍五入值；

参数n表示对x进行四舍五入时保留/参考的数位精度；

参数n可以不传入，此时其默认值为0，但若传入的话，则必须为整型；

当n为0时，返回的结果为整型，n为负整数或正整数时，返回值的数值类型与传入的x数值的类型一样(整型或者浮点型)；

若n为正整数，则表示四舍五入时保留/参考的小数点后的位数；

若n为负整数，-1表示基于十位四舍五入(舍弃个位)、-2表示基于百位四舍五入(舍弃个位和十位)，依次类推；

round返回的是数值(整型或者浮点型)，对于数值，我们关注的是准确性，因为数值是用于算术运算的，比如round(31415.0, 2)，得到的结果是“31415.0”，是完全符合要求的，既按约定返回了浮点型(因为传入的参数也是浮点型)，同时，也完全满足小数点后2位的数位精度(或者说有效位数)，因为对于数值来说，“31415.0”与“31415.00”是完全相等的；

但需要注意的是：上述谈到的“数值”的有效位或者精准度，与我们平时提到的“保留多少有效位”，两者的概念是不一样的，或者说至少在编程方面，两者是不同层面的事情，前者关注的是“数值”的精准度，后者用于显示或输出，关注的是对数值的字符串格式化；

因此，若数值四舍五入后，用于算术表达式计算，我们则采用round函数对数值进行四舍五入处理，要是仅用于按要求保留有效位显示输出，则直接采用字符串格式化输出即可，例如：f'{31415:.2f}'，输出为“31415.00”。

如下代码所示，各打印了两个数，前者按round调用后返回的真实数值输出，后者按字符串格式化输出。

print('对3.14159265保留小数点后3位、四舍五入的结果：',round(3.14159265, 3), f'{3.14159265:0.3f}')

print('对31415.9265仅保留整数部分、四舍五入的结果：',round(31415.9265), f'{31415.9265:.0f}')

print('对31415.9265基于百位进行四舍五入的结果：',round(31415.9265, -2), f'{round(31415.9265, -2):.0f}')

print('对31415基于百位进行四舍五入的结果：',round(31415, -2), f'{round(31415, -2):.0f}')

print('对31415参考小数点后2位、四舍五入的结果：',round(31415, 2), f'{31415:.2f}')

print('对31415.0参考小数点后2位、四舍五入的结果：',round(31415.0, 2), f'{31415.0:.2f}')

输出结果如下：

对3.14159265保留小数点后3位、四舍五入的结果： 3.142 3.142

对31415.9265仅保留整数部分、四舍五入的结果： 31416 31416

对31415.9265基于百位进行四舍五入的结果： 31400.0 31400

对31415基于百位进行四舍五入的结果： 31400 31400

对31415参考小数点后2位、四舍五入的结果： 31415 31415.00

对31415.0参考小数点后2位、四舍五入的结果： 31415.0 31415.00

另外，更重要的，对于Python的这个round内置函数我们在使用时要需要注意以下两点：四舍五入运算必然涉及到进位或者不进位，比如，我们对数值x(如1.45)进行四舍五入运算，假设进位得到A(如1.5，保留小数点后1位)、若不进位得到B(如1.4，保留小数点后1位)，有时候会出现一种特别情况，x正好在A与B的中间，即离A和B的距离相同，这种情况下一般是碰到了“5”，此时，究竟取A还是取B呢？Python的处理是取“偶数”(如，1.4的最后一位4为偶数)，跟我们传统的“五入”做法是不一样的。如下所示：

print('为了促成偶数，放弃“五入”：',round(0.5),round(-0.5),round(2.5),round(125,-1),round(1.45,1))

print('正好促成偶数，保留“五入”：',round(1.5),round(-1.5),round(1.5),round(135,-1),round(1.35,1))

输出结果如下：

为了促成偶数，放弃“五入”： 0 0 2 120 1.4

正好促成偶数，保留“五入”： 2 -2 2 140 1.4而且上述规则还存在另外的挑战，当碰到了“5”且又遇上了特别的浮点数时，情况会变得更加复杂，例如，round(6.675, 2)给出的结果是6.67，而不是按上述规则应该得出的6.68，这并不是Python语言的Bug或问题，而是因为：计算机本身对浮点数进行十进制至二进制转换时，存在着一些十进制小数不能以二进制精确地表示出来(相当于除法中除不断的情况)，而计算机用来存储数字的二进制位数是有限的，必然导致后面的数位被舍弃，于是，x(比如，当前的6.675)不再是我们十进制中看到的，离A(即6.68)和B(即6.67)的距离完全相等，而是变小了些，离B更近了，于是被round函数选中了6.67。

print('受计算机精度影响的四舍五入：',round(6.675,2),round(1.355,2))

输出结果如下：

受计算机精度影响的四舍五入： 6.67 1.35

需要说明的是，上述两点特殊情况，对于数值的字符串格式化会产生同样的影响，知道了上述规则和原因后，遇到类似的特殊情况，我们就不会再感到不解或者迷惑了，甚至在特殊的严格场合，我们可能需要进行特殊处理，规避上述情况的发生。如下所示，我们来看看字符串格式化对上述特殊数值的输出情况。

print('旧式格式化操作符：')

print('%.0f %.1f %.2f' % (-0.5,1.45,6.675))

print('%.0f %.1f' % (-1.5,1.35))

print('\nstr.format()的格式化:')

print('{:.0f} {:.1f} {:.2f}'.format(-0.5,1.45,6.675))

print('{:.0f} {:.1f}'.format(-1.5,1.35))

print('\nf-string格式化:')

print(f'{-0.5:.0f} {1.45:.1f} {6.675:.2f}')