Python 保留小数的 6 种常用方法与注意事项

核心解析

• 优点：内置函数，无需导入模块，代码最短；
• 缺点：
  1. 浮点数精度问题导致结果不符合预期（如 2.675 保留 2 位得到 2.67）；
  2. 适合'快速粗略保留'，不适合金融、金额等高精度场景；
• 适用场景：简单的日常计算、非高精度的结果展示。

方法 2：字符串格式化（% 占位符）

用 %.xf 的格式（x 为保留位数），本质是格式化输出，不改变数字本身，适合'展示结果'。

代码示例

num = 10 / 3
print(f"原始值：{num}")  # 3.3333333333333335

# 保留 2 位小数（%.2f）
print("保留 2 位：%.2f" % num)  # 输出：3.33

# 保留 3 位小数（%.3f）
print("保留 3 位：%.3f" % num)  # 输出：3.333

# 补零：比如 1.5 保留 2 位，自动补 0
print("补零示例：%.2f" % 1.5)  # 输出：1.50

核心解析

• 优点：格式化输出，自动补零，适合打印 / 展示结果；
• 缺点：返回的是字符串，不是数字（无法继续计算）；
• 适用场景：终端输出、日志记录、报表展示（只看结果，不计算）。

方法 3：format() 函数（推荐，灵活）

format() 是 Python 官方推荐的格式化函数，语法：format(数字，'.xf')，比 % 占位符更灵活，支持更多格式。

代码示例

num = 10 / 3

# 基础用法：保留 2 位
print("保留 2 位：{}".format(format(num, '.2f')))  # 输出：3.33

# 简写形式（更常用）
print("保留 2 位（简写）：{:.2f}".format(num))  # 输出：3.33

# 保留 1 位 + 补零
print("保留 1 位 + 补零：{:.1f}".format(1.5))  # 输出：1.5

# 结合其他格式（比如加千分位）
print("加千分位 + 保留 2 位：{:,.2f}".format(12345.6789))  # 输出：12,345.68

核心解析

• 优点：灵活，支持补零、千分位、对齐等，返回字符串但格式可控；
• 缺点：返回字符串，需转数字才能计算；
• 适用场景：复杂的结果展示（如带单位、千分位）、报表生成。

方法 4：f-string（Python3.6+，最简洁）

f-string 是 Python3.6 新增的格式化方式，语法：f"{数字:.xf}"，兼顾简洁和灵活，是日常开发的'首选'。

代码示例

num = 10 / 3

# 保留 2 位小数
print(f"保留 2 位：{num:.2f}")  # 输出：3.33

# 保留 3 位小数
print(f"保留 3 位：{num:.3f}")  # 输出：3.333

# 保留 1 位 + 补零
print(f"保留 1 位 + 补零：{1.5:.1f}")  # 输出：1.5

# 结合变量（动态指定保留位数）
n = 2
print(f"动态保留{n}位：{num:.{n}f}")  # 输出：3.33

核心解析

• 优点：语法最简洁，支持动态指定保留位数，可读性最高；
• 缺点：返回字符串，Python3.6 以下版本不支持；
• 适用场景：Python3.6 + 的所有展示场景（日常开发首选）。

方法 5：decimal 模块（高精度，适合金融 / 金额）

前面的方法都有浮点数精度问题，而 decimal 模块专门解决'高精度小数计算'，适合金融、金额等对精度要求高的场景。

代码示例

from decimal import Decimal, ROUND_HALF_UP

# 解决 round(2.675, 2) 的精度问题
num = Decimal('2.675')  # 注意：用字符串初始化，避免浮点数精度丢失

# 保留 2 位小数，四舍五入
res = num.quantize(Decimal('0.00'), rounding=ROUND_HALF_UP)
print(f"高精度保留 2 位：{res}")  # 输出：2.68

# 对 10/3 进行高精度保留
num2 = Decimal('10') / Decimal('3')
res2 = num2.quantize(Decimal('0.0000'))  # 保留 4 位
print(f"10/3 保留 4 位：{res2}")  # 输出：3.3333

核心解析

• 优点：高精度，完全符合数学上的四舍五入，无精度丢失；
• 缺点：需要导入模块，语法稍复杂；
• 适用场景：金融计算、金额结算、税务计算（高精度要求）。

方法 6：numpy.round（大数据 / 数组场景）

如果处理的是 numpy 数组（数据分析、机器学习常用），用 numpy.round() 更高效，支持对整个数组保留小数。

代码示例

import numpy as np

# 生成 numpy 数组
arr = np.array([10/3, 2.675, 1.5])
print(f"原始数组：{arr}")  # 输出：[3.33333333 2.675 1.5]

# 对整个数组保留 2 位小数
arr_round = np.round(arr, 2)
print(f"保留 2 位后的数组：{arr_round}")  # 输出：[3.33 2.68 1.5]

核心解析

• 优点：专为 numpy 数组设计，批量处理效率高；
• 缺点：需要安装 numpy 库（pip install numpy）；
• 适用场景：数据分析、机器学习（处理大量数值数组）。

三、新手必避坑指南（重点！）

坑 1：浮点数本身的精度问题

# 看似 2.675，实际存储的是近似值
print(2.675)  # 输出：2.6749999999999998

这就是 round(2.675, 2) 得到 2.67 的原因 —— 浮点数在计算机中是二进制存储，部分十进制小数无法精确表示。

坑 2：round() 的'四舍六入五成双'

Python 的 round() 不是纯数学的四舍五入，而是'四舍六入五成双'（银行家舍入）：

• 当保留位后一位是 5，且后面无数字时，保留位为偶数则舍去，奇数则进 1；
• 示例：round(1.5)=2，round(2.5)=2（5 后面无数字，保留位 0 是偶数，舍去）。

坑 3：字符串格式返回的是字符串，不是数字

res = "%.2f" % 10/3  # 错误：字符串不能直接除法

# 正确做法：转成浮点数
res = float("%.2f" % (10/3))
print(res + 1)  # 输出：4.33

四、不同场景该选哪种方法？（总结表）

五、总结（新手速记）

1. 日常展示（Python3.6+）：优先用 f-string（{num:.2f}），简洁又灵活；
2. 高精度计算（金融 / 金额）：用 decimal 模块，避免精度丢失；
3. numpy 数组处理：用 numpy.round()；
4. 简单粗略保留：用 round()，但注意它的四舍五入规则；
5. 所有字符串格式方法：如需计算，记得用 float() 转成数字。

建议大家把文中的代码逐个运行一遍，改改保留位数、换几个数字，就能快速掌握不同方法的差异。保留小数看似简单，选对方法能避免很多隐藏问题，尤其是金融场景，千万别只用 round() 哦！