python四舍五入函数的简单介绍

python中四舍五入函数取整为什么要加减0.5

是利用原来的向下取整的机制如果原来是

创新互联公司是一家专注于做网站、成都做网站与策划设计,钟祥网站建设哪家好?创新互联公司做网站,专注于网站建设十多年,网设计领域的专业建站公司;建站业务涵盖:钟祥等地区。钟祥做网站价格咨询:18982081108

实际上Python的round()函数可以接受两个参数round(value，ndigits)，第一个参数为实际操作数，第二个参数为实际保留几位，如果第二个参数不填，则默认保留到整数位。

Python3.X对于浮点数默认的是提供17位数字的精度。

python如何精确四舍五入

float('{:.2f}'.format(price_t))

这样只是取两位小数并没有四舍五入

四舍五入有一个专门的函数round，下面是正确的用法

round(float(price_t), 2)

四舍五入的python代码

x=1.1111

print(round(x,2))

round(a,b)函数，a使需要四舍五入的数字，b是需要保留几位。

python中保留几位小数进行四舍五入的round函数自身的源代码是什么？

它是内置函数。build-in，应该是C语言的。用的应该是 c的library

在python2.73.源码中

有这样一句。pymath.h:extern double round(double);

在pymath.c中定义如下：

#ifndef HAVE_ROUND

double

round(double x)

{

double absx, y;

absx = fabs(x);

y = floor(absx);

if (absx - y = 0.5)

y += 1.0;

return copysign(y, x);

}

python decimal四舍五入精确保留2位小数

python保留2位小数一般用以下几种：

①round函数

②format(float_num,'0.2f')

③decimal

一、先说下这次的重点想说的decimal，可以精确的四舍五入保留两位小数。

①可以传给decimal整形或者字符型，不能传浮点型，因为浮点型本身就是不精确的数

但是如果一定要是浮点型，可以以下：

正常情况下

二、round函数，大部分情况下可以四舍五入，但是遇到要保留位数后一位是5时，是不会进1位的

三、format和round类似

Python 为什么不解决四舍五入的“bug”

因为二进制浮点数不能解决这个问题。

先看一个现象，和 round 无关的：

def show(x):

... """打印一个数，20 位精度"""

... print('{:.20f}'.format(x))

...

show(1.5)

1.50000000000000000000

show(1.25)

1.25000000000000000000

show(1.245)

1.24500000000000010658

show(1.45)

1.44999999999999995559

show(1.415)

1.41500000000000003553

从数学上看，一个既约分数（有理数）n/d 要表示为 B 进制数，如果 d

的所有素因子都整除 B，就说明存在一个整数 k，使得分母 d 整除 B^k——比如 q * d = B^k，于是此时有 n/d = n /

(B^k / q) = nq / B^k，也就是说 n/d 可以使用至多 k 位数的 B 进制小数有限表示。

反之，也容易证明，如果 d 有素因子不能整数 B，那么就不存在上面的 k，也就是说有理数 n/d 不可能由有限位数的 B 进制数表示。——也就是说会出现循环小数。

对于 10 进制数，所有分母只有素因子 2 和 5 的有理数，都能表示为有限小数。比如 1/2 是 0.5，1/4 是 0.25，1/5 是 0.2，3/8 是 0.375，都是有限的。

而对于 2 进制数，分母里面只有素因子 2 的有理数，才能表示为有限小数。所以 1/2 是 0.1，1/4 是 0.01，3/8 是 0.011。但 1/5 就不能用有限二进制数表示了，是个循环小数 0.0011 0011 0011……。

（什么，你问无理数？小学生都知道无理数是无限不循环小数。）

现在：

计算机的浮点数是用小数表示的。浮点数就是科学计数法，指数部分是个整数，尾数部分是个小数。

计算机的存储是有限的，所以只能使用有限位数的小数表示。

计算机硬件通常是用二进制运算的。

具体到 Python 的 float，C/C++ 的 float/double，都是有限长度的、二进制、浮点数。准确地说，是这个：IEEE floating point

现在问题来了。人写程序用十进制数，计算机运行程序用二进制数，怎么办？转换呗。

从概念上说，就是我写：

a(10) = 0.5

计算机读：

a(2) = 0.1

我写：

b(10) = 0.375

计算机读

b(2) = 0.011

可如果我写

c(10) = 0.2

计算机就只能读成了有限位数，比如 12 位：

c(2) = 0.0011 0011 0011（咔嚓切断）

其实这个被截断保留 12 位二制制位的数用十进制表示是 0.199951171875，已经不准了。你说不对呀这个小了，最后一位能不能加上去，让计算机读成

c(2) = 0.0011 0011 0100（进了一位）

这个数用十进制表示则是 0.2001953125，又大了。

——实际的计算机中，python 的 float 是用 64 位浮点数，其中 53 位是尾数部分，误差小得多了，但还是不可能没有。

所以，计算机在把人写的程序转换为内部代码的时候，就必须做十进制到二进制的转换。这个转换就已经不得不带来误差了。当然，像前面说的，不是所有的数都有误差，0.5、3.75、78.625 都不会有误差，但简单的 0.2、3.15 就会有进制转换误差。

所以，在开始计算 round 这个四舍五入的函数之前，在程序刚被读入计算机时，这个变量的值早已经不精确了。round 又能解决什么问题？

话

说回来，round 本身在一些情况下是准确的。比如 0.5、1.5、2.5、3.5 这些数，都能用有限位二进制数表示，它们直接 round

的结果也都是准确的，不过使用的不是四舍五入而是无偏算法（把 0.5 向偶数而不是向上舍入，这里指 Python 3）。round

在另一些情况下又可能是不准确的，因为 Python 的 round

有两个参数，第二个参数表示舍入到第几位，就需要对原数先计算再舍入，就不准确了。

如果让 Python

减慢速度，也在内部用十进制表示和计算，就不会出现进制转换和移位这种来源的舍入误差，此时做舍入运算或输入输出就是精确的了。虽然这不能防止其他计算

（比如除法、三角函数）带来的误差，但在一些场合，比如金融算钱的时候，还是非常有用的。在 Python 里面可以用 decimal

包来使用十进制浮点数，避免输入输出的带来的进制转换误差，按十进制移位时除法带来的误差等。

小结：

误差主要来自输入时十进制转换为计算机内部二进制时，且这个问题在有限精度下不可能解决，也不需要解决。

round 可以准确舍入，但它涉及的移位计算也可能带来其他误差。

Python 的 decimal 包可用于解决这一问题。