熊猫四舍五入，这是一个错误吗？答案

【问题标题】：pandas rounding, is this a bug?熊猫四舍五入，这是一个错误吗？
【发布时间】：2016-05-17 15:52:52
【问题描述】：

这是一个错误吗？当我四舍五入时，它实际上返回不同的结果。

import pandas as pd
pd.set_option('precision', 10)

pd.DataFrame([[1.446450001],[1.44645]]).round(4)

结果

    0
0   1.4465
1   1.4464

【问题讨论】：

不是错误。 1.44645 可能会以二进制形式存储为向下舍入的内容。
@piRSquared 我该如何解决这个问题？
@piRSquared 不，这是错误的。这是关于四舍五入的策略
@MaxNoe 啊！谢谢，我正在读这篇文章。

标签： python pandas rounding

【解决方案1】：

这不是一个错误 - 而是一个未记录的怪癖。

DataFrame.round 在底层使用 numpy.around，其中：

对于恰好介于四舍五入的十进制值之间的值，Numpy 会四舍五入到最接近的偶数值。因此 1.5 和 2.5 舍入为 2.0，-0.5 和 0.5 舍入为 0.0，等等。

http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.around.html

更多阅读@维基百科：https://en.wikipedia.org/wiki/Rounding#Round_half_to_even

【讨论】：

非常欢迎在 pandas round 文档字符串中添加有关此内容的补丁 :-) (github.com/pydata/pandas/blob/master/.github/CONTRIBUTING.md)

【解决方案2】：

有两种不同的舍入策略

像您可能在学校学过的第一轮，恰好间隔一半的值（以 5 结尾）向上四舍五入
第二轮到下一个偶数数

第一种策略有副作用，即您的平均值具有正偏差，因为中心总是调得更高。这由第二种策略解决，该策略任意决定舍入到下一个偶数值。

Pandas 选择使用numpy.around，它实现了第二种策略。

【讨论】：

【解决方案3】：

您可以使用以下函数在 pandas 或 python 中进行正常舍入：

import numpy

def round_normal(n, decimals):
    # multiply the decimal by 10 to the number of decimals you want to round to
    multiplicand = 10 ** decimals

    # add 0.5 so that taking the floor will get you the right number when you 
    # divide by the multiplicand

    # e.g. 3.0449 to 2.d.p -> 304.49 + 0.5 = 304.59 -> floor(304.59) / 100 = 3.04
    # e.g. 3.045 to 2.d.p -> 304.5 + 0.5 = 305 -> floor(305) / 100 = 3.05
    rounded_n = numpy.floor(n * multiplicand + 0.5) / multiplicand
    return rounded_n

【讨论】：