Python int()、round()与math.floor取整的区别

在 Python 日常开发中，数值取整看似基础，却是高频产生静默 Bug 的重灾区。许多初学者甚至有经验的工程师常以为 int()、round() 与 math.floor() 是同一类操作的不同写法。其实，三者的底层数学模型截然不同：int() 是纯粹的“向零截断”，直接丢弃小数部分；math.floor() 是严格的“向下取整”，永远向数轴负无穷方向寻找不大于当前数的最大整数；而 round() 采用的是“银行家舍入法”（四舍六入五成双），在临界点 0.5 处优先向最近的偶数靠拢。

一、int(x)：向零截断（Truncation）

int() 是 Python 的内置类型构造器。当传入浮点数时，其行为是严格的向零截断（Truncate towards Zero）。它不关心数值四舍五入的距离，也不关心正负数大小趋势，仅仅像剪刀一样将小数点后的数字全部切除。

# 正数表现：看似与向下取整一致
print(int(3.14))   # 3
print(int(3.99))   # 3

# 负数表现：直接切掉小数，朝 0 靠近
print(int(-3.14))  # -3
print(int(-3.99))  # -3

很多开发者在只测试正数时，容易误以为 int(x) 就是“向下取整”。但在负数下，-3 实际上大于 -3.99，数值反而增大了。因此，如果你的业务需要确保取整后的值“不大于原数”，直接使用 int() 就会在出现负数时产生严重的逻辑漏洞。

二、math.floor(x)：数学意义上的向下取整（Floor）

math.floor() 是 Python 标准库 math 中的函数，对应数学上的底函数 \(\lfloor x \rfloor\)。它的定义非常严格：返回小于或等于 \(x\) 的最大整数。在几何数轴上，无论 \(x\) 是正数还是负数，它的寻找方向永远单一——坚定不移地向左（负无穷大方向）寻找第一个整数点。

import math

# 正数向下取整
print(math.floor(3.14))   # 3
print(math.floor(3.99))   # 3

# 负数向下取整：必须小于等于原数
print(math.floor(-3.14))  # -4
print(math.floor(-3.99))  # -4

值得注意的是，Python 的整除运算符 // 在底层完全遵循 floor 的逻辑，即所谓的地板除。例如 -7 // 2 等于 -4，而不是 -3。这一设计保证了 Python 经典的除法取模恒等式 a == (a // b) * b + (a % b) 始终成立。

三、round(x)：银行家舍入（Round Half to Even）

很多开发者在初学 Python 时会遇到一个极其困惑的现象：round(2.5) 返回 2，而 round(3.5) 却返回 4。为什么同为 0.5，一个舍去而另一个进位？难道 Python 出现了 Bug 吗？

这并非 Bug，而是 Python 3 严格采用的国际标准 IEEE 754 银行家舍入法（Round half to even，四舍六入五成双）。传统小学数学教导的“四舍五入”在单次估算时直观，但在海量金融交易或大数据统计中，由于 1, 2, 3, 4 舍去（共4个）而 5, 6, 7, 8, 9 进位（共5个），每次遇到 0.5 恒定向上进位会导致最终统计总和发生系统性正向偏差。银行家舍入法通过规定“当数值恰好处于两数中点时，向最近的偶数舍入”，让 50% 的中点进位、50% 的中点舍去，从而完美抵消累计误差。

警惕浮点数底层二进制表示陷阱

理解了银行家舍入后，很多工程师又会掉进另一个深坑：为什么执行 round(2.675, 2) 时，结果不是 2.68 而是 2.67？

这是因为人类使用的十进制小数在计算机底层的二进制双精度浮点数（IEEE 754）中很多是无法被精确表示的无限循环小数。你肉眼看到的 2.675，在 Python 内存中的真实二进制存储值其实是：

import decimal
print(decimal.Decimal(2.675))
# 输出结果：
# Decimal('2.67499999999999982236431605997495353221893310546875')

因为它的实际数值略微小于 2.675，距离 2.67 比距离 2.68 更近，因此 round() 按照就近原则将其舍入为 2.67。如果你的系统处于财税、金融记账等对精度零容忍的场景，切勿直接使用原生浮点数配合 round()，而必须使用标准库 decimal 模块。

from decimal import Decimal, ROUND_HALF_UP, ROUND_HALF_EVEN

# 必须使用字符串初始化 Decimal，避免先发生浮点转换精度丢失
amount = Decimal("2.675")

# 采用标准四舍五入
print(amount.quantize(Decimal("0.01"), rounding=ROUND_HALF_UP))    # 2.68

# 采用银行家舍入
print(amount.quantize(Decimal("0.01"), rounding=ROUND_HALF_EVEN))  # 2.68

四、三大函数全维度对比与技术选型

为了让不同场景下的选型一目了然，我们引入同样属于取整家族但常用于上限计算的 math.ceil() 一同进行横向对比：

五、工程实践中的关键注意事项

1. 返回值类型的差异： int() 与 math.floor() 在 Python 3 中永远返回整数类型 int。而 round(x, n) 如果省略 n 或 n=None 会返回 int；如果显式传递了保留小数位数参数 n（即便是 round(3.14, 0)），返回的也是浮点数 float（如 3.0）。如果下游代码要求严格的 isinstance(v, int) 校验，需要格外注意。
2. 整除运算符 // 的配合： 在涉及整数运算时，应优先使用 a // b 而不是 int(a / b)。因为 a / b 会先将结果转换为双精度浮点数，当 a 是超过 53 位精度的超大整数时，浮点转换会导致精度丢失，而 // 能利用 Python 的任意精度整型机制保持运算完全精确。
3. 取模运算的符号一致性： Python 中 a % b 的结果符号与除数 b 保持一致，这正是因为其商由 math.floor 决定。很多从 C/Java 转到 Python 的开发者常因习惯 C 语言的“向零截断整除”而写错负数循环取模逻辑。