Python中数字取整结果异常？是否为计算错误或认知疏漏

你遇到的这个情况，是Python（以及绝大多数现代编程语言）处理浮点数时的经典“精度陷阱”——完全不是计算错误，而是你对二进制浮点数的存储本质不了解导致的认知偏差。

核心原因：十进制小数无法精确转二进制 #

计算机底层用二进制存储浮点数，但很多十进制小数（比如0.005、90.005）在二进制中是无限循环的小数，只能存储它们的近似值。这就导致你写的0.005、90.005这些字面量，实际在内存里的数值和你看到的十进制数有细微差异。

针对你的例子具体拆解 #

我们可以用repr()函数查看这些浮点数的真实存储值（它会输出最接近实际存储的十进制表示）：

print(repr(0.005))
print(repr(90.005))
print(repr(90.015))

运行结果大概是：

0.005000000000000000104083408558608425664715468883514404296875
90.0049999999999971578290569595992565155029296875
90.015000000000005684341886080801486968994140625

• 0.005实际存储的是略大于0.005的数值，所以%.2f四舍五入后得到0.01
• 90.005实际存储的是略小于90.005的数值，所以四舍五入后得到90.00
• 90.015实际存储的是略大于90.015的数值，所以四舍五入后得到90.02

如何实现“符合直觉”的四舍五入？ #

如果需要精确的十进制四舍五入（比如金融、统计场景），推荐使用Python的decimal模块——它基于十进制运算，完全避免二进制浮点数的精度问题：

from decimal import Decimal, ROUND_HALF_UP

# 注意要用字符串传入数值，避免浮点数本身的精度损失
a = Decimal('0.005')
b = Decimal('90.005')
c = Decimal('90.015')

print(a.quantize(Decimal('0.00'), rounding=ROUND_HALF_UP))  # 输出: 0.01
print(b.quantize(Decimal('0.00'), rounding=ROUND_HALF_UP))  # 输出: 90.01
print(c.quantize(Decimal('0.00'), rounding=ROUND_HALF_UP))  # 输出: 90.02

这样就能得到符合我们日常认知的四舍五入结果了。

内容的提问来源于stack exchange，提问作者Shivendra Saxena