1 In [1]: a = 5.026
2 3 In [2]: b = 5.000 4 5 In [3]: round(a,2) 6 Out[3]: 5.03 7 8 In [4]: round(b,2) 9 Out[4]: 5.0 10 11 In [5]: '%.2f' % a 12 Out[5]: '5.03' 13 14 In [6]: '%.2f' % b 15 Out[6]: '5.00' 16 17 In [7]: float('%.2f' % a) 18 Out[7]: 5.03 19 20 In [8]: float('%.2f' % b) 21 Out[8]: 5.0 22 23 In [9]: from decimal import Decimal 24 25 In [10]: Decimal('5.026').quantize(Decimal('0.00')) 26 Out[10]: Decimal('5.03') 27 28 In [11]: Decimal('5.000').quantize(Decimal('0.00')) 29 Out[11]: Decimal('5.00')
这里有三种方法，
round(a,2)
'%.2f' % a
Decimal('5.000').quantize(Decimal('0.00'))
当需要输出的结果要求有两位小数的时候，字符串形式的：'%.2f' % a 方式最好，其次用Decimal。
需要注意的：
1. 可以传递给Decimal整型或者字符串参数，但不能是浮点数据，因为浮点数据本身就不准确。
2. Decimal还可以用来限定数据的总位数。
谈谈关于Python里面小数点精度控制的问题
基础
浮点数是用机器上浮点数的本机双精度(64 bit)表示的。提供大约17位的精度和范围从-308到308的指数。和C语言里面的double类型相同。Python不支持32bit的单精度浮点数。如果程序需要精确控制区间和数字精度，可以考虑使用numpy扩展库。
Python 3.X对于浮点数默认的是提供17位数字的精度。
关于单精度和双精度的通俗解释：
单精度型和双精度型，其类型说明符为float 单精度说明符，double 双精度说明符。在Turbo C中单精度型占4个字节（32位）内存空间，其数值范围为3.4E-38～3.4E+38，只能提供七位有效数字。双精度型占8 个字节（64位）内存空间，其数值范围为1.7E-308～1.7E+308，可提供16位有效数字。
要求较小的精度
将精度高的浮点数转换成精度低的浮点数。
1.round()内置方法
这个是使用最多的，刚看了round()的使用解释，也不是很容易懂。round()不是简单的四舍五入的处理方式。
For the built-in types supporting round(), values are rounded to the closest multiple of 10 to the power minus ndigits; if two multiples are equally close, rounding is done toward the even choice (so, for example, both round(0.5) and round(-0.5) are 0, and round(1.5) is 2).
1 >>> round(2.5) 2 2 3 >>> round(1.5) 4 2 5 >>> round(2.675) 6 3 7 >>> round(2.675, 2) 8 2.67
round()如果只有一个数作为参数，不指定位数的时候，返回的是一个整数，而且是最靠近的整数（这点上类似四舍五入）。但是当出现.5的时候，两边的距离都一样，round()取靠近的偶数，这就是为什么round(2.5) = 2。当指定取舍的小数点位数的时候，一般情况也是使用四舍五入的规则，但是碰到.5的这样情况，如果要取舍的位数前的小树是奇数，则直接舍弃，如果偶数这向上取舍。看下面的示例：
1 >>> round(2.635, 2) 2 2.63 3 >>> round(2.645, 2) 4 2.65 5 >>> round(2.655, 2) 6 2.65 7 >>> round(2.665, 2) 8 2.67 9 >>> round(2.675, 2) 10 2.67
2. 使用格式化
效果和round（）是一样的。
1 >>> a = ("%.2f" % 2.635) 2 >>> a 3 '2.63' 4 >>> a = ("%.2f" % 2.645) 5 >>> a 6 '2.65' 7 >>> a = int(2.5) 8 >>> a 9 2
要求超过17位的精度分析
python默认的是17位小数的精度，但是这里有一个问题，就是当我们的计算需要使用更高的精度（超过17位小数）的时候该怎么做呢？
1. 使用格式化(不推荐)
1 >>> a = "%.30f" % (1/3) 2 >>> a 3 '0.333333333333333314829616256247'
可以显示，但是不准确，后面的数字往往没有意义。
2. 高精度使用decimal模块，配合getcontext
1 >>> from decimal import * 2 >>> print(getcontext()) 3 Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1, clamp=0, flags=[], traps=[InvalidOperation, DivisionByZero, Overflow]) 4 >>> getcontext().prec = 50 5 >>> b = Decimal(1)/Decimal(3) 6 >>> b 7 Decimal('0.33333333333333333333333333333333333333333333333333') 8 >>> c = Decimal(1)/Decimal(17) 9 >>> c 10 Decimal('0.058823529411764705882352941176470588235294117647059') 11 >>> float(c) 12 0.058823529411764705
默认的context的精度是28位，可以设置为50位甚至更高，都可以。这样在分析复杂的浮点数的时候，可以有更高的自己可以控制的精度。其实可以留意下context里面的这rounding=ROUND_HALF_EVEN 参数。ROUND_HALF_EVEN， 当half的时候，靠近even.
关于小数和取整
既然说到小数，就必然要说到整数。一般取整会用到这些函数：
1. round()
这个不说了，前面已经讲过了。一定要注意它不是简单的四舍五入，而是ROUND_HALF_EVEN的策略。
2. math模块的ceil(x)
取大于或者等于x的最小整数。
3. math模块的floor(x)
去小于或者等于x的最大整数。
1 >>> from math import ceil, floor 2 >>> round(2.5) 3 2 4 >>> ceil(2.5) 5 3 6 >>> floor(2.5) 7 2 8 >>> round(2.3) 9 2 10 >>> ceil(2.3) 11 3 12 >>> floor(2.3) 13 2 14 >>>
基础
浮点数是用机器上浮点数的本机双精度(64 bit)表示的。提供大约17位的精度和范围从-308到308的指数。和C语言里面的double类型相同。Python不支持32bit的单精度浮点数。如果程序需要精确控制区间和数字精度，可以考虑使用numpy扩展库。
Python 3.X对于浮点数默认的是提供17位数字的精度。
关于单精度和双精度的通俗解释：
单精度型和双精度型，其类型说明符为float 单精度说明符，double 双精度说明符。在Turbo C中单精度型占4个字节（32位）内存空间，其数值范围为3.4E-38～3.4E+38，只能提供七位有效数字。双精度型占8 个字节（64位）内存空间，其数值范围为1.7E-308～1.7E+308，可提供16位有效数字。
要求较小的精度
将精度高的浮点数转换成精度低的浮点数。
1.round()内置方法
这个是使用最多的，刚看了round()的使用解释，也不是很容易懂。round()不是简单的四舍五入的处理方式。
For the built-in types supporting round(), values are rounded to the closest multiple of 10 to the power minus ndigits; if two multiples are equally close, rounding is done toward the even choice (so, for example, both round(0.5) and round(-0.5) are 0, and round(1.5) is 2).
1 >>> round(2.5) 2 2 3 >>> round(1.5) 4 2 5 >>> round(2.675) 6 3 7 >>> round(2.675, 2) 8 2.67
round()如果只有一个数作为参数，不指定位数的时候，返回的是一个整数，而且是最靠近的整数（这点上类似四舍五入）。但是当出现.5的时候，两边的距离都一样，round()取靠近的偶数，这就是为什么round(2.5) = 2。当指定取舍的小数点位数的时候，一般情况也是使用四舍五入的规则，但是碰到.5的这样情况，如果要取舍的位数前的小树是奇数，则直接舍弃，如果偶数这向上取舍。看下面的示例：
1 >>> round(2.635, 2) 2 2.63 3 >>> round(2.645, 2) 4 2.65 5 >>> round(2.655, 2) 6 2.65 7 >>> round(2.665, 2) 8 2.67 9 >>> round(2.675, 2) 10 2.67
2. 使用格式化
效果和round（）是一样的。
1 >>> a = ("%.2f" % 2.635) 2 >>> a 3 '2.63' 4 >>> a = ("%.2f" % 2.645) 5 >>> a 6 '2.65' 7 >>> a = int(2.5) 8 >>> a 9 2
要求超过17位的精度分析
python默认的是17位小数的精度，但是这里有一个问题，就是当我们的计算需要使用更高的精度（超过17位小数）的时候该怎么做呢？
1. 使用格式化(不推荐)
1 >>> a = "%.30f" % (1/3) 2 >>> a 3 '0.333333333333333314829616256247'
可以显示，但是不准确，后面的数字往往没有意义。
2. 高精度使用decimal模块，配合getcontext
1 >>> from decimal import * 2 >>> print(getcontext()) 3 Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1, clamp=0, flags=[], traps=[InvalidOperation, DivisionByZero, Overflow]) 4 >>> getcontext().prec = 50 5 >>> b = Decimal(1)/Decimal(3) 6 >>> b 7 Decimal('0.33333333333333333333333333333333333333333333333333') 8 >>> c = Decimal(1)/Decimal(17) 9 >>> c 10 Decimal('0.058823529411764705882352941176470588235294117647059') 11 >>> float(c) 12 0.058823529411764705
默认的context的精度是28位，可以设置为50位甚至更高，都可以。这样在分析复杂的浮点数的时候，可以有更高的自己可以控制的精度。其实可以留意下context里面的这rounding=ROUND_HALF_EVEN 参数。ROUND_HALF_EVEN， 当half的时候，靠近even.
关于小数和取整
既然说到小数，就必然要说到整数。一般取整会用到这些函数：
1. round()
这个不说了，前面已经讲过了。一定要注意它不是简单的四舍五入，而是ROUND_HALF_EVEN的策略。
2. math模块的ceil(x)
取大于或者等于x的最小整数。
3. math模块的floor(x)
去小于或者等于x的最大整数。
1 >>> from math import ceil, floor 2 >>> round(2.5) 3 2 4 >>> ceil(2.5) 5 3 6 >>> floor(2.5) 7 2 8 >>> round(2.3) 9 2 10 >>> ceil(2.3) 11 3 12 >>> floor(2.3) 13 2 14 >>>