Python浮点数四舍五入的陷阱：round()与Decimal的正确用法

浮点数四舍五入问题现象

问题

在开发过程中，我们常遇到浮点数处理难题。例如，当对数值 6.6045 保留三位小数时，直观预期是使用 round() 函数得到 6.605，但实际运行结果往往出乎意料。

>>> round(6.6045, 3)
6.604

网络上有一种观点认为，这是由于计算机内部小数存储不精确所致。例如，数值 1.115 在计算机中实际存储为 1.114999999999999991182，因此当保留两位小数时，第三位实际为 4，导致四舍五入结果为 1.11。

这种解释只说对了一半。

并非所有小数在计算机中都无法精确表示。以 0.125 为例，它在计算机中可以精确存储，其值确确实实就是 0.125，不存在任何省略或近似。

然而，如果在 Python 中执行以下代码：

>>> round(0.125, 2)
0.12

为何这里发生了“四舍”？

更令人困惑的是，另一个在计算机中可以精确表示的小数 0.375，我们来看看保留两位小数的结果：

>>> round(0.375, 2)
0.38

为何这里又发生了“五入”？

round()函数与奇进偶舍机制解析

解析

根本原因在于 Python 3 中的 round() 函数对小数精度处理采用了“四舍六入五成双”（Banker's Rounding）规则。

如果你撰写过大学物理实验报告，可能记得老师强调：直接使用传统四舍五入可能导致结果系统性偏高，因此推荐使用“奇进偶舍”规则来平衡误差。

具体而言，对于浮点数 a.bcd，若需精确到小数点后两位，需考察第三位数字 d：

• 若 d 小于 5，直接舍去；
• 若 d 大于 5，直接进位；
• 若 d 等于 5： 若 d 后面无其他数据，且前一位 c 为偶数，则不进位，保留 c； 若 d 后面无其他数据，且前一位 c 为奇数，则进位，c 变为 (c + 1)。
• 若 d 后面还有非 0 数字（即实际数值为 a.bcdef），则必须进位，c 变为 (c + 1)。

关于“奇进偶舍”机制，感兴趣者可查阅维基百科相关词条：数值修约和奇进偶舍。

因此，当 round() 结果与预期不符时，需考虑两个因素： 该小数在计算机中能否被精确存储？若不能，其实际值可能未达到四舍五入的标准（如 1.115 实际第三位为 4，故被舍去）。 若该小数可精确表示，则 round() 采用“奇进偶舍”机制，结果取决于保留位是奇数还是偶数，以及后续是否有非零数据。

关于“奇进偶舍”机制，感兴趣者可查阅相关词条：数值修约和奇进偶舍。

回到最初的问题，对于浮点数 6.6045，我们在 Scheme 环境中查看其精确形式：

> (exact 6.6045)
3718002967371055/562949953421312

可见该数值无法被精确存储，其实际表现约为 6.60449999999999…，因此在四舍五入时得到 6.604。

使用Decimal模块实现标准四舍五入

如何正确进行四舍五入

若需实现数学意义上的标准四舍五入，应使用 decimal 模块。具体用法请参考官方文档：https://docs.python.org/zh-cn...。 其中 quantize 函数的原型及文档说明指出，可通过指定 rounding 参数来确定进位方式。若未指定 rounding 参数，则默认使用上下文提供的进位方式。

现在我们来查看默认上下文中的进位方式：

>>> from decimal import getcontext
>>> getcontext().rounding
'ROUND_HALF_EVEN'

ROUND_HALF_EVEN 实际上即为“奇进偶舍”。若要指定真正的四舍五入，需在 quantize 中指定进位方式为 ROUND_HALF_UP：

>>> from decimal import Decimal, ROUND_HALF_UP
>>> Decimal('0.125').quantize(Decimal('0.00'), rounding=ROUND_HALF_UP)
Decimal('0.13')

此时结果符合预期。

有人可能会追问：如果 Decimal 接收的参数不是字符串，而是浮点数会怎样？ 让我们进行实验：

>>> Decimal(0.125)
Decimal('0.125')

这是否意味着在 Decimal 的第一个参数中可以直接传入浮点数？

我们换一个数值进行测试：

>>> Decimal(11.245)
Decimal('11.2449999999999992184029906638897955417633056640625')

浮点数 11.245 与字符串 '11.245' 传入后的结果竟然不同。

我们继续在官方文档中寻找答案：

官方文档已明确说明：若传入参数为浮点数，且该浮点值在计算机中无法精确存储，则它会先被转换为不精确的二进制值，再将该二进制值转换为等效的十进制值。对于无法精确表示的小数，在 Python 接收到参数之前，该数已转换为不精确值。因此，虽然传入的是 11.245，但 Python 实际处理的是 11.24499999999…。

总结

以上就是本文的全部内容，希望这些内容对您的学习或工作有所帮助，感谢支持。