Python 为什么应用程序引擎显示的浮点舍入结果与我的本地机器不同？

如果您将以下内容放入，则会得到

'50.49'

。这个结果在2.5和2.7运行时上都是一致的

 >> a = '%0.2f' % (round(float(u'50.485'), 2),)
 >> a
'50.49'

然而，如果我把同样的东西放进本地运行Python2.7.1的MacBookPro，我会得到

'50.48'

 >> a = '%0.2f' % (round(float(u'50.485'), 2),)
 >> a
'50.48'

---

为什么会有这种不同？我如何在我的本地机器和App Engine的服务器之间保持一致性？

有趣的是，官方Python教程中介绍了这个主题

浮点运算：问题和限制

其他的惊喜也随之而来。比如说，如果你试着绕圈 值2.675到小数点后两位，得到

>>>
>>> round(2.675, 2)
2.67

内置round（）函数的文档说明 舍入到最接近的值，舍入到远离零的位置。自从 小数点2.675正好介于2.67和2.68之间，你知道吗 这里的结果可能是（二元近似值）2.68。 不是，因为当十进制字符串2.675转换为 二进制浮点数，它再次被二进制替换 近似值，其精确值为

2.67499999999999982236431605997495353221893310546875

因为这个近似值比2.68稍微接近2.67，所以它是 四舍五入

如果你在一个你关心你的方向的情况下 中途的情况是圆的，你应该考虑使用小数。 模块。顺便说一句，十进制模块也提供了一种很好的方法 “请参阅”存储在任何特定Python浮点中的确切值

>>>
>>> from decimal import Decimal
>>> Decimal(2.675)
Decimal('2.67499999999999982236431605997495353221893310546875')

官方Python教程（）中链接的一篇文章，尽管使用了FORTRAN，但正确地描述了IEEE 754的真正含义：

不同的计算机使用不同的位数来存储数据 浮点数即使使用相同的IEEE格式 存储数字时，由于 中间寄存器的大小。以提高可移植性并确保 一致的结果，我建议不要为了精确的相等性而进行比较 用FORTRAN计算实数

---

因此，如果您真的关心这一点，那么一定要使用内置的十进制模块（或者cdecimal模块，如果性能有问题，可以在这里使用）。

显然，Google App Engine使用“float”C类型（IEEE 754单精度），而本地Python使用“double”（IEEE 754双精度）

---

我怀疑CPython有一个使用“float”而不是“double”的配置开关，但还没有找到。其他答案是正确的，所以我不会对

round

函数的行为说任何话，但是如果你想得到一致的结果，你可以跳过

round

，因为你使用的是字符串格式（

'%0.2f'

）如您在示例中所示

>> a = '%0.2f' % (float(u'50.485'))
>> a
'50.48'

---

感谢您的帮助。round函数最初是为了与-0和0保持一致性而尝试的一部分。原始代码是“%0.2f%”（round（n，2）+0，）因此，n=-0.00和n=0.00的结果是相同的。请参阅前面的讨论。这解释了值不同的原因，Lipis和Asim Ihsan解释了如何获得一致性。您也可以使用numpy.float32。谢谢@Asmin，我在发布问题之前仔细阅读了这些文档，但没有阅读您在bot上发布的链接汤姆。