Python中round函数处理浮点数的逻辑及结果差异问题

先看你给出的实际运行结果：

round(12.675,2)
12.68
f"{12.675:.20f}"
'12.67500000000000071054'
print(round(12.675,2))
12.68
f"{2.675:0.20f}"
'2.67499999999999982236'

核心原因：浮点数的二进制存储误差 #

十进制里的很多小数，没法用有限长度的二进制小数精确表示，就像十进制里没法精确表示1/3一样。Python用IEEE 754双精度浮点数存储小数，这种存储方式会对无法精确表示的数做近似处理：

• 你写的12.675，实际存储在内存里的是一个比它略大的值：12.67500000000000071054
• 而2.675实际存储的是一个比它略小的值：2.67499999999999982236

round函数的处理逻辑 #

round函数的计算依据是浮点数在内存里的实际存储值，不是你写的十进制字面量：

1. 对于12.675的实际存储值，它更接近12.68而不是12.67，所以保留两位小数时得到12.68。
2. 对于2.675的实际存储值，它更接近2.67而不是2.68，如果执行round(2.675,2)，结果会是2.67。

另外，Python的round默认使用银行家舍入法（四舍六入五成双）：当要舍入的数字正好是5时，会让结果的最后一位变成偶数。但这个规则只在浮点数能精确表示“x.xx5”这种值时生效，而大部分情况下，这类十进制小数都无法被精确存储，所以实际表现会基于存储的近似值判断舍入方向。

内容的提问来源于stack exchange，提问作者Nimish