Python int()处理浮点数是截断还是四舍五入？

小鹿同学

发布时间：2026-10-23 | 6人浏览过

原创

直接给出确切结论：在 Python 中，内置函数 int() 处理浮点数时既不是四舍五入，也不是数学上的向下取整（Floor），而是直接“向零截断”（Truncation towards zero）。它会完全忽略小数点后面的所有数字，仅保留整数部分。无论是正数还是负数，结果都是直接朝数轴上 0 的方向收拢。

核心结论速览

执行 int(3.99) 的结果是 3，不会进位成 4；执行 int(-3.99) 的结果是 -3，不会变成数学向下取整的 -4。如果需要常规意义上的四舍五入，必须使用 round() 或标准库的 decimal 模块。

一、用代码直观验证：int() 的截断机制

我们可以通过几行简单的交互式代码，分别传入不同大小的正负浮点数，直接观察 int() 的实际输出：

# 正浮点数示例
print(int(3.14))  # 示例输出：3
print(int(3.50))  # 示例输出：3
print(int(3.99))  # 示例输出：3（小数部分即使接近 4 也直接被抹去）

# 负浮点数示例
print(int(-3.14))  # 示例输出：-3
print(int(-3.50))  # 示例输出：-3
print(int(-3.99))  # 示例输出：-3（向 0 的方向靠拢，而不是向负无穷减小）

从以上结果可以看出两个核心特征：

对于正浮点数：即使小数部分达到了 0.99，int() 也绝不会向上进位。这直接推翻了“四舍五入”的猜想。
对于负浮点数：int(-3.99) 得到的是 -3。如果是数学上的向下取整（即不超过当前数值的最大整数），结果应当是 -4。因此 int() 也不是标准的向下取整。

Python int()处理浮点数是截断还是四舍五入？ — 图 1：int() 向零截断机制在数轴上的表现示意

二、底层原理：int() 为何这样设计？

很多初学者容易将 int() 误当成四舍五入，主要原因是日常生活中处理的多数是正数，且当测试数据小数位较小（如 int(2.1) == 2）时，截断与四舍五入的结果恰好重合。

在 Python 的底层实现（CPython）中，传入浮点数调用 int(x) 时，实际上执行的是对象的 __trunc__() 特殊方法，或者底层 C 语言对 double 类型的整数强制转换 (long)val：

# int() 在底层本质上等价于 math.trunc()
import math

val = 4.85
print(int(val))           # 示例输出：4
print(math.trunc(val))    # 示例输出：4
print(val.__trunc__())    # 示例输出：4

计算机科学中，类型转换（Type Casting）的基本语义是提取同构信息，而不是做统计近似。将浮点数类型转换为整数类型时，默认诉求是“剥离定点/浮点表示的小数部分，只提取整数主体”，因此直接截断是最直接、最高效且符合底层硬件指令规范的行为。

三、常见取整方式的行为差异全景对比

在 Python 中，与浮点数转整数相关的函数还有 round()、math.floor()、math.ceil() 以及 math.trunc()。为了防止混淆，下表完整列出它们在关键测试数值下的输出差异：

四、如果需要四舍五入，应该怎么写？

如果业务明确需要将浮点数进行四舍五入后再转换为整数，不能依赖 int()，而是需要根据业务场景选择合适的方法：

方法 1：使用内置 round() 函数（适用于常规科学计算）

Python 提供了内置函数 round(x)。但需要特别注意：Python 3 的 round() 采用的是银行家舍入法（Round half to even），即“四舍六入五考虑，五后非零就进一，五后皆零看奇偶，五前为偶则舍去，五前为奇则进位”。

# 常规情况
print(round(3.2))  # 示例输出：3
print(round(3.8))  # 示例输出：4

# 遇到精确的 0.5 时，向最近的偶数舍入
print(round(2.5))  # 示例输出：2（2是偶数）
print(round(3.5))  # 示例输出：4（4是偶数）

方法 2：使用 decimal 模块（适用于财务、金钱等严格四舍五入场景）

如果你的业务规则是小学教材或电商财务标准的“逢 5 必进位（Half-Up）”，应该使用 Python 标准库中的 decimal 模块配合 ROUND_HALF_UP 策略：

from decimal import Decimal, ROUND_HALF_UP

def strict_round(val: float) -> int:
    # 先转为字符串避免浮点数二进制精度失真
    d = Decimal(str(val))
    return int(d.quantize(Decimal('1'), rounding=ROUND_HALF_UP))

print(strict_round(2.5))   # 示例输出：3
print(strict_round(3.5))   # 示例输出：4
print(strict_round(-2.5))  # 示例输出：-3

五、工程实践中的两个高频陷阱

陷阱 1：浮点精度误差导致 int() 产生意外的“提前退位”

由于计算机采用 IEEE 754 二进制浮点数表示，部分十进制小数不能被精确存储。如果浮点运算结果稍稍小于理论值，紧接着使用 int() 截断就会导致整数部分直接减 1：

val = 1.0 + 0.2 + 0.7  # 数学上等于 1.9
print(val)             # 实际存储可能为 1.8999999999999997
print(int(val))        # 示例输出：1（而不是预期的 1 甚至四舍五入的 2）

calc = 0.1 * 3
print(calc)            # 示例输出：0.30000000000000004
calc_floor = 1.2 / 0.4 # 数学上等于 3.0
print(calc_floor)      # 实际存储可能为 2.9999999999999996
print(int(calc_floor)) # 示例输出：2（致命 bug：3.0 截断成了 2）

规避方案：在对除法或浮点运算结果做整数转换前，如果理论上应当是整数，应先使用 round() 消除极微小的精度毛刺，或者使用整数除法 //、decimal 模块。

陷阱 2：不能将带有小数点的字符串直接传入 int()

int() 可以直接接收浮点数值 int(3.8)，也可以接收纯整数字符串 int("3")，但不能直接接收包含小数点的字符串：

# 错误用法
try:
    int("3.8")
except ValueError as e:
    print("抛出异常:", e)  # 示例输出：抛出异常: invalid literal for int() with base 10: '3.8'

# 正确做法：先转换为 float，再转 int
result = int(float("3.8"))
print(result)  # 示例输出：3