浮点数强制转整数是向零截断而非四舍五入，即直接丢弃小数部分：3.9→3、-3.9→-3、0.1→0、-0.1→0；该行为源于IEEE754“向零舍入”模式，效率高但不符合数学直觉，且(int)(x+0.5)对负数失效，应使用round()、floor()等标准库函数。

浮点数强制转换为整数时，不是四舍五入，而是向零截断。这是C/C++、Python（int()）、Java（强制转型）等多数语言的默认行为，根源在于底层硬件和IEEE754标准中“向零舍入”（Round toward zero）模式的直接映射。

向零舍入：丢掉小数，不看大小

无论正负，强制类型转换只保留整数部分，直接砍掉小数位：

• 3.9 → 3（正数向下取整）
• -3.9 → -3（负数向上取整）
• 0.1 → 0，-0.1 → 0

它不比较小数部分是否≥0.5，也不考虑偶数奇数，纯粹是“截断”。这种行为在汇编指令如cvttss2si（x86）中体现为直接丢弃尾数，效率高、确定性强，但不符合日常数学直觉。

为什么不能依赖强制转换做四舍五入？

因为向零舍入对负数会出错：

• 想把-2.7四舍五入成-3，但(int)-2.7得-2
• 想把2.5变成3，但(int)2.5仍是2

常见错误写法(int)(x + 0.5)仅对非负数有效；对负数如x = -2.7，-2.7 + 0.5 = -2.2，转成-2，仍不是期望的-3。真正安全的做法是调用标准库函数：round()（就近舍入）、floor()或ceil()。

不同舍入模式的实际触发方式

强制转换本身只对应一种模式——向零舍入。其他三种IEEE754模式需显式调用：

• 就近舍入（默认）：Python round(x)、C++ std::round(x)、C nearbyint()（需设FE_TONEAREST）
• 向下舍入：Python math.floor(x)、C floor()
• 向上舍入：Python math.ceil(x)、C ceil()

注意：round()在Python中实现的是“银行家舍入”（四舍六入五成双），例如round(2.5) → 2、round(3.5) → 4，而非传统四舍五入。

精度陷阱：浮点存储误差会干扰转换结果

由于0.1无法精确表示为二进制浮点数，实际存储值略大于或小于理论值：

• double x = 2.499999999999999; // 实际可能≈2.5
• (int)(x * 10) → 25，而非预期的24

这类问题在金融计算或坐标取整中易引发边界错误。稳妥做法是引入容差判断，或使用定点数/decimal类型处理关键数值。