Python 的 round() 并非简单截断或就近取偶，而是通过高精度十进制转换与正确舍入（correctly rounded）机制，在二进制浮点限制下智能逼近最接近的目标十进制值，因此能输出符合人类直觉的 1.01048，即使该字面量在 IEEE-754 中无精确表示。
python 的 `round()` 并非简单截断或就近取偶，而是通过高精度十进制转换与正确舍入（correctly rounded）机制，在二进制浮点限制下智能逼近最接近的目标十进制值，因此能输出符合人类直觉的 1.01048，即使该字面量在 ieee-754 中无精确表示。
在 Python 中，round(x, n) 的行为常被误解为“对内存中存储的二进制浮点数直接做数学舍入”。但事实远比这复杂且精巧：它本质上执行的是「到指定小数位数的最接近十进制数」的正确舍入（correct rounding to decimal），而非「对当前 float 值做二进制近似舍入」。
以问题中的例子为例：
>>> x = 1.01046 + 0.00002 >>> x 1.0104799999999998 >>> round(x, 5) 1.01048
表面上看，x 是一个略小于 1.01048 的 float（实际值为 1.0104799999999997779553950749896466732025146484375），而 round(x, 5) 却返回了看似“不存在”的 1.01048。但这并非魔法——而是 CPython 实现中嵌入的一套严谨流程：
- 高精度中间表示：round() 内部不依赖 float 的二进制近似进行计算，而是将输入 float 转换为任意精度的十进制表示（底层使用 PyOS_ascii_formatd 等函数，支持足够位数的精确解析）；
- 十进制舍入决策：在该高精度十进制表示基础上，按数学规则（四舍六入五成双）舍入到第 n 位小数，得到一个理想的十进制字符串结果（如 "1.01048"）；
- 反向精确转换：再将该字符串正确舍入（correctly rounded）回最接近的 IEEE-754 double —— 这个过程保证了：若存在多个 float 与 "1.01048" 等距，则选偶数尾数者；否则选绝对误差最小者。
验证这一点可借助 decimal 模块观察真实值：
立即学习“Python免费学习笔记（深入）”；
>>> import decimal
>>> d = decimal.Decimal(round(1.01046 + 0.00002, 5))
>>> d
Decimal('1.0104800000000000448352466264623217284679412841796875')可见，返回的 float 实际值略大于 1.01048（末尾有微小上溢），但它确实是所有 double 中最接近 1.01048 的那个——而 str() 和 repr() 之所以显示为 "1.01048"，正是因为 Python 的浮点显示规则要求：输出最短的十进制字符串，使其 float(s) == original_value。该字符串恰好就是 "1.01048"。
⚠️ 注意事项：
- 此机制仅适用于 round(float, ndigits) 形式；round(int) 或无参数 round(float) 仍基于二进制精度，行为不同；
- 它无法消除浮点固有误差，但极大缓解了“舍入失真”带来的认知冲突；
- 在金融等需严格十进制精度的场景，仍应优先使用 decimal.Decimal，而非依赖 round() 的“表观正确”。
总结而言，Python 的 round() 是一个面向开发者直觉的友好抽象：它在底层用任意精度十进制桥接了二进制浮点与人类十进制世界的鸿沟，使 round(1.01046+0.00002, 5) 得到 1.01048 不是巧合，而是精心设计的、符合 IEEE-754-2008 标准中「十进制舍入（decimal rounding）」语义的必然结果。
