Python round（）和numpy.round（）之间的引擎盖下差异是什么？

让我们看一看不断令人震惊的回合声明：

>>> round(2.675, 2)
2.67

我知道为什么回合“失败”；这是因为2.675的二进制表示：

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

我不明白的是：为什么NumPy没有失败

>>> import numpy
>>> numpy.round(2.675, 2)
2.6800000000000002

思考 不要介意额外的零；这是Python打印内部舍入的人工制品。如果我们看一下“精确”值，它们仍然是不同的：

>>> decimal.Decimal(round(2.675, 2))
Decimal('2.6699999999999999289457264239899814128875732421875')

>>> decimal.Decimal(numpy.round(2.675, 2))
Decimal('2.680000000000000159872115546022541821002960205078125')

为什么，为什么，为什么，努比的行为

起初我认为NumPy必须使用额外的位来处理浮动，但是：

>>> decimal.Decimal(numpy.float(2.675))
Decimal('2.67499999999999982236431605997495353221893310546875')
>>> decimal.Decimal(2.675)
Decimal('2.67499999999999982236431605997495353221893310546875')
# Twins!

---

窗帘后面发生了什么？我看了一下NumPy's，但我是Python新手，我没有看到任何过分可疑的东西。

一个在引擎盖上的区别被记录下来：

在数字中间的情况下，舍入到最接近的“偶数”数字（乘以

10**n

后，

n

是相应

舍入

函数的第二个参数），而舍入到0

>>> np.round(2.685, 2)
2.6800000000000002
>>> round(2.685, 2)
2.69

---

在引擎盖下，使用缩放参数时可以获得差异。考虑<代码>圆（2.675×10 ** 2）< /代码>和<代码>圆（2.675，2）< /代码>之间的差异。这当然是浮点数学的结果，因为它总是有一些舍入误差。为了更进一步，我们需要看一下真正的实现。

在这种情况下，n是什么？@HankDitton——round的第二个参数。对不起，应该更明确一些。为什么在你的例子中，

np.round

round是错误的-我认为是相反的，参见OP。OP的示例中，“最接近的偶数”和“远离零”是相同的。@user2357112——这是一个公平的点。当有疑问时。归咎于浮点数学：）。考虑<代码>圆（2.675×10 ** 2）< /代码>和<代码>圆（2.675，2）< /代码>之间的差异。显然，

round

处理这一问题的可能性并不完全一致，因为乘以100后，该值不再正好介于这两个值之间。严格地说，2.67是更好的结果。2.68是一个舍入错误。我不是numpy或python适当源代码方面的专家，但我认为numpy实现在这里：python实现在这里：