Python round()函数为什么采用银行家舍入而非传统四舍五入

在 Python 3 中调用 round(2.5) 会得到 2，而调用 round(3.5) 却得到 4。这种“奇数进位、偶数舍弃”的规则被称为银行家舍入（Banker's Rounding）。Python 之所以将其作为内置 round() 的默认行为，核心目的是为了遵循 IEEE 754 国际浮点数标准，并彻底消除海量数据连续计算中由传统“四舍五入”引发的系统性正向累积统计偏差。

一、规则解析：什么是银行家舍入？

在基础算术中，大家最熟悉的往往是“四舍五入”（Round half up）：只要小数部分达到 0.5，就无条件向前进位。但 Python 3 采用的是符合国际标准的“四舍六入五成双”（Round half to even）：

• 小数部分小于 0.5 时，直接舍去；
• 小数部分大于 0.5 时，直接进位；
• 小数部分恰好等于 0.5 时，观察其前一位数字：如果是奇数则进位，如果是偶数则舍去，确保舍入后的末尾数字始终为偶数。

# Python 3 交互式示例
print(round(0.5))  # 结果为 0（0是偶数，舍去）
print(round(1.5))  # 结果为 2（1是奇数，进位成2）
print(round(2.5))  # 结果为 2（2是偶数，舍去）
print(round(3.5))  # 结果为 4（3是奇数，进位成4）
print(round(4.5))  # 结果为 4（4是偶数，舍去）

这种逻辑确保了处于“中点”的 0.5 不会被单向偏好拉扯，而是在数值链条上有规律地交替上升与截断。

二、核心根因：传统四舍五入的系统性统计偏差

为什么编程语言与数学界要放弃广为人知的传统四舍五入，转而支持银行家舍入？答案在于误差的累积方向。

假设我们有一组均匀分布的数值序列需要保留整数。在小数部分 0.1 到 0.9 的 9 种可能中：

• 0.1, 0.2, 0.3, 0.4（共 4 个值）向下舍去，产生负向截断误差；
• 0.6, 0.7, 0.8, 0.9（共 4 个值）向上进位，产生正向增加误差；
• 0.5 正好处于绝对中位点。

在传统的“四舍五入”规则下，这处于中点的 0.5 永远被推向进位（+0.5 偏差）。这意味着在大量数据处理（如大型财务报表清算、气象模拟、物理实验聚合）中，向上的概率达到了 5/9，而向下的概率仅为 4/9。长期执行该算法，求和总值与均值将系统性地向上膨胀。

银行家舍入正是为了修复这一统计漏洞：因为前一位数字在统计学上出现奇数与偶数的概率各占 50%，所以遇到 0.5 时，一半机会向上进位，一半机会向下舍去，正负偏差在海量累加中相互抵消，总误差期望趋近于 0。

三、浮点数陷阱：为什么 round(2.675, 2) 并不符合预期？

理解了银行家舍入后，很多开发者在实际编码中会遇到一个更隐蔽的困惑：round(2.675, 2) 按照奇进偶舍原则，7 是奇数，理应得到 2.68，但 Python 实际输出的却是 2.67。这是为什么？

这不是银行家舍入失效，而是计算机底层的二进制浮点数精度限制。

在计算机硬件中，浮点数是根据 IEEE 754 标准以二进制分数形式存储的。就像十进制无法用有限小数表示 1/3 一样，二进制也无法精确表示绝大多数十进制小数（如 0.1、0.675 等）。

# 查看 2.675 在内存中的真实浮点值
from decimal import Decimal
print(Decimal(2.675))
# 输出结果:
# Decimal('2.67499999999999982236431605997495353221893310546875')

在 Python 执行 round(2.675, 2) 之前，数值已经被转换为略小于 2.675 的浮点数（即 2.674999...）。在保留两位小数时，第三位数字实际上是 4，根本没有达到 5 的中点分界线，因此触发了普通的“舍去”分支，最终返回 2.67。

四、实战方案：如何在 Python 中实现业务所需的传统四舍五入？

在电商结账、财务对账、税金计算等业务场景中，行业法规往往明确规定使用传统四舍五入。如果在这些业务中直接使用内置 round()，会导致金额与客户发票产生分厘之差。

解决该问题的标准做法是使用 Python 内置的 decimal 模块，搭配 ROUND_HALF_UP 舍入策略：

from decimal import Decimal, ROUND_HALF_UP

def traditional_round(val: float, decimals: int = 2) -> float:
    """
    使用 Decimal 实现无浮点误差的传统四舍五入
    """
    # 必须先转为字符串，避免 float 浮点精度污染
    d = Decimal(str(val))
    # 构造目标精度的量化基准，如 '0.01'
    target_format = Decimal('10') ** -decimals
    # 执行 ROUND_HALF_UP 策略
    rounded = d.quantize(target_format, rounding=ROUND_HALF_UP)
    return float(rounded)

# 测试执行
print(traditional_round(2.675, 2))  # 输出 2.68
print(traditional_round(2.5, 0))    # 输出 3.0
print(traditional_round(1.5, 0))    # 输出 2.0

五、总结与技术选型指南

Python 采用银行家舍入是科学计算与标准兼容下的必然选择，但在多样化的业务开发中，开发者应根据具体场景灵活选用工具：

综上所述，Python 3 的 round() 采用银行家舍入不是设计缺陷，而是经过审慎考量的工程优化。它通过“四舍六入五成双”杜绝了海量数据汇总中的正向累积漂移；当业务需要严格的传统四舍五入时，显式运用 decimal.Decimal 配合 ROUND_HALF_UP，才是兼顾严谨性与业务合规的最佳实践。