当你在 Python 中进行数字运算时，四舍五入通常看起来是每个人都知道的基本步骤。然而，有一个细节许多人忽视：在背后，平局的处理方式实际上是怎样的。你是否曾停下来想过，当你在 Python 中对 .5 的值进行四舍五入时会发生什么？

Python 通过被称为银行家舍入的方法来处理 .5 的情况，将平局的值舍入到最接近的偶数整数。理解这一点可以帮助你在处理财务数据或统计结果时避免意外。

内置的 round

Python 的内置 round() 函数是大多数开发者首先使用的工具。它的基本形式很简单：

value = round(2.7)   # 返回 3
value2 = round(2.3)  # 返回 2

默认情况下，当未给定精度时，它返回一个整数。您也可以指定小数位数：

rounded = round(3.14159, 2)  # 返回 3.14

print(round(2.5))  # 2
print(round(3.5))  # 4
print(round(4.5))  # 4

import math
math.floor(2.9)  # 2
math.ceil(2.1)   # 3

from decimal import Decimal, ROUND_HALF_UP
amt = Decimal('2.5')
rounded = amt.quantize(Decimal('0'), rounding=ROUND_HALF_UP)  # 3

在从 JSON 解析数字数据时，可以在转换后立即应用四舍五入。有关在四舍五入之前安全加载值的提示，请参见Python JSON 解析器指南。

自定义策略

如果您希望 .5 始终向上或向下取整怎么办？您可以编写自己的函数：

import math

def round_half_away(x):
    if x >= 0:
        return math.floor(x + 0.5)
    else:

return math.ceil(x - 0.5)

def round_half_down(x):

return math.ceil(x - 0.5) if x > 0 else math.floor(x + 0.5)

实用提示：

将自定义逻辑封装在自己的函数中，以保持代码的清晰和可测试性。

浮点数的奇特之处

浮点数并不是精确的。你可能认为 2.5 被完美存储，但在底层它是一个二进制近似值。这可能导致在四舍五入时出现意想不到的结果：

x = 2.675
print(round(x, 2))  # 输出 2.67，而不是 2.68

这是因为 2.675 不能被精确表示。为了避免这种情况，在关键的财务或科学工作中使用 Decimal。它以基于10的十进制存储数字，因此 2.675 保持精确。

监控精度：

• 始终测试边界情况，例如 x.5 值。
• 如果看到意外结果，请切换到 Decimal 或调整您的策略。

Numpy 四舍五入

在数据科学和机器学习中，您经常处理大型数组。Numpy 的向量化 around 函数是您的好帮手：

import numpy as np
arr = np.array([1.2, 2.5, 3.7])
print(np.around(arr))  # [1. 2. 4.]

print(np.around(arr, 1))  # [1.2 2.5 3.7]