Python的round()采用“四舍六入五成双”银行家舍入法，遇0.5向最近偶数舍入以减少统计偏差，非bug而是IEEE 754标准规定；需传统四舍五入时应使用Decimal.quantize(ROUND_HALF_UP)等安全方法。
Python的round()为什么对x.5有时向上、有时向下？
因为round()用的是“四舍六入五成双”（银行家舍入法），不是数学上的四舍五入。它在遇到恰好为0.5时，会向**最近的偶数**舍入，目的是减少统计偏差。
比如：round(2.5) → 2，round(3.5) → 4，round(0.5) → 0，round(-1.5) → -2。这不是bug，是IEEE 754标准和Python明确规定的语义。
想实现传统“四舍五入”该用什么？
不能直接依赖round()。常见可靠做法是手动偏移：
- 对正数：用
int(x + 0.5)（仅适用于非负数且不超int范围） - 通用安全写法（推荐）：
int(math.floor(x + 0.5)) if x >= 0 else int(math.ceil(x - 0.5)) - 更简洁的替代：用
decimal模块控制舍入模式：from decimal import Decimal, ROUND_HALF_UP Decimal(str(x)).quantize(Decimal('1'), rounding=ROUND_HALF_UP)
注意：int(x + 0.5)在x为负数时失效；math.floor/ceil需导入math；Decimal要先转字符串，否则浮点误差可能污染结果（如Decimal(2.65)实际是Decimal('2.649999999999999911182158029987476766109466552734375')）。
立即学习“Python免费学习笔记（深入）”；
浮点表示误差会让round()更难预测
很多看似“正好是0.5”的数，其二进制浮点表示其实略小或略大。例如1.25 + 1.25不一定是2.5，而可能是2.4999999999999996，这时round()就按“小于0.5”处理，结果变成2而不是3。
验证方法：
print(f"{2.5 - (1.25 + 1.25):.20f}") 你会发现差值不为零。
所以真正保险的做法是：如果业务逻辑依赖精确的“四舍五入到整数”，优先用Decimal并从字符串初始化，避免浮点中间态。
NumPy的np.round()行为一样吗？
默认一样——它也遵循银行家舍入。但np.round()支持decimal参数，且底层使用C库，对数组批量操作更快。不过它**没有提供ROUND_HALF_UP选项**，仍无法直接替代传统四舍五入。
如果你在做数值计算且已用NumPy，又需要确定性舍入，建议：
- 对小数组：转
Decimal再处理 - 对大数组：用
np.where()配合偏移+截断（如np.trunc(x + 0.5)），但要注意负数边界 - 接受银行家舍入——它在长期统计中更公平，比如财务累加场景
最常被忽略的一点：不是所有“看起来像0.5”的数，在内存里真是0.5；不是所有语言的round都和Python一致；别在金融计算里裸用round(float)。
