Round函数是否能保证生成最优浮点数近似？round(x,k)是否恒等于对应字面量？

针对具体例子的结论 #

执行round(3.12143345454353,2)确实会得到与字面量3.12完全相同的浮点数，也就是说round(3.12143345454353,2)===3.12的结果为true。

原因如下：

• 字面量3.12无法用二进制浮点数精确表示，实际存储的是最接近它的IEEE 754双精度值：3.12000000000000010658141036401502788066864013671875。
• 3.12143345454353的二进制浮点数表示，在四舍五入到两位十进制小数时，最接近的二进制浮点数恰好就是上述3.12对应的存储值。

普遍性结论：无法保证round(x,k)===y恒成立 #

当我们说“x四舍五入到k位小数得到y”时，这里的y是十进制意义上的结果，但浮点数的二进制存储特性会导致例外情况：

• 十进制数y本身可能无法精确转换为二进制浮点数，而round(x,k)的结果是将x处理后得到的最接近目标十进制值的二进制浮点数，两者可能因为精度偏差出现不一致。
• 典型例子：round(1.005,2)。十进制里1.005四舍五入到两位小数是1.01，但由于1.005无法用二进制浮点数精确存储，实际参与运算的是1.00499999999999988986587595718447139263153076171875，四舍五入两位小数后得到的是1.00对应的浮点数，而字面量1.01对应的浮点数是1.0100000000000000088817841970012523233890533447265625，此时round(1.005,2)===1.01的结果为false。

核心逻辑在于：浮点数的运算和存储基于二进制，而十进制的四舍五入规则是基于十进制的，两者的精度映射并非完全一一对应，部分十进制数在二进制中只能用近似值表示，这就导致了理论上的十进制四舍五入结果与实际浮点数运算结果出现偏差。

内容的提问来源于stack exchange，提问作者David Vonka