python浮点数四舍五入的问题的分析

python中round做四舍五入要说清楚并不容易。有一种奇进偶舍的说法并不准确。
下面的例子就无法用奇进偶舍来解释：
print(round(1.275,2))
1.27

原因分析
float采用二进制编码描述浮点数。在二进制表示中，大多数有限位十进制小数无法使用有限位二进制进行精确表示。也就是说，有限位数的十进制小数，往往会变为无限位数的二进制小数。

对不能使用有限位二进制小数表示的十进制有限位小数，在系统中存储的是这些十进制浮点数的近似值。在近似值中，分为进位和截断两种类型，近似误差一般在10e−17 左右。进位近似值大于原值，截断近似值小于原值。

表示为二进制近似值后，Python系统在进行round计算时，使用近似值，不是使用原值。

python在存储浮点数的时候，都是用和十进制最接近的数值。例如：
>>> format(1.275,'.20f')
'1.27499999999999991118'

再说回四舍五入的基本策略：
靠近最近（四舍六入）；
距离相同时，保证最后一位是偶数；

做基本的四舍五入的时候，都是使用系统内表示的值，比如说1.275，系统内表示为1.27499999999999991118，所以四舍五入之后就是1.27；

对于能够用有限位二进制表示的有限位数的十进制小数，如果要舍入的那位是5，比如说1.125，四舍五入保留2位就是1.12（结果的最后一位是偶数）。

1.12500000000000000000
1.12

1.37500000000000000000
1.38