Python精确舍入实战：从round陷阱到Decimal解决方案

1. 为什么Python的round函数会"骗人"？

第一次用Python做财务计算时，我差点被round函数坑惨了。当时需要计算季度利息，用round(2.735, 2)期待得到2.74，结果却返回了2.73。这种反直觉的结果在金融、科学计算等场景简直是灾难。后来才发现，Python的round函数采用的是银行家舍入法（又称四舍六入五成双），和我们从小学习的"四舍五入"完全不同。

银行家舍入法的规则很有意思：

• 当舍去位小于5时直接舍去
• 当舍去位大于5时进位
• 当舍去位等于5时，看前一位数字：奇数则进位，偶数则舍去

举个例子：

python复制print(round(2.735, 2))  # 输出2.73（5前面是3，奇数所以进位）
print(round(2.725, 2))  # 输出2.72（5前面是2，偶数所以舍去）
print(round(2.736, 2))  # 输出2.74（6大于5直接进位）

这种设计其实很有数学智慧——长期统计下来，舍入误差会更小。但对需要严格四舍五入的场景，这就是个坑。更坑的是浮点数的二进制表示问题，比如：

python复制print(round(2.675, 2))  # 你以为会输出2.68，实际输出2.67

因为2.675在计算机中实际存储的是2.6749999999999998，所以按照规则舍去了。

2. 字符串格式化的取巧方案

当发现round不靠谱后，我第一个想到的是用字符串格式化。f-string和format方法确实能实现视觉上的四舍五入：

python复制print(f"{2.735:.2f}")  # 输出2.74
print(f"{2.725:.2f}")  # 输出2.73

看起来完美解决了问题？别高兴太早。这种方法有两个致命缺陷：

1. 返回的是字符串类型，后续计算需要再转回浮点数
2. 本质上还是基于浮点数运算，精度问题依然存在

比如这个例子：

python复制num = 3.145
print(f"{num:.2f}")  # 输出3.15（看似正确）
print(float(f"{num:.2f}"))  # 转回浮点数后实际值是3.1499999999999999

字符串格式化适合最终展示，但不适合