Python保留小数的6种常用方法_Python

引言

日常写 python 代码时，保留小数是高频需求 —— 比如电商系统显示订单金额（保留 2 位）、数据分析展示百分比（保留 1 位）、实验报告输出测量结果（保留 3 位）。很多新手只会用round()函数，却不知道它有 “坑”，也不清楚不同场景该选哪种方法。

今天就给大家整理 6 种 python 保留小数的常用方法，从基础到进阶，代码示例可直接复制运行，每个方法都讲清 “怎么用、适用场景、注意事项”，新手也能秒懂！

一、先看核心需求：保留小数要解决什么问题？

举个直观例子：计算10/3得到3.3333333333333335，但我们需要：

显示金额：3.33（保留 2 位）；
显示百分比：3.3（保留 1 位）；
金融计算：高精度的3.3333333333（避免精度丢失）。

不同场景对应不同方法，下面逐个拆解。

二、6 种保留小数的方法（附代码 + 解析）

方法 1：round () 函数（最基础，内置函数）

round()是 python 内置函数，语法简单：round(数字, 保留位数)，核心是四舍五入，适合快速保留小数。

代码示例

# 基础用法
num = 10 / 3
print(f"原始值：{num}")  # 输出：3.3333333333333335

# 保留2位小数
print(f"保留2位：{round(num, 2)}")  # 输出：3.33
# 保留1位小数
print(f"保留1位：{round(num, 1)}")  # 输出：3.3
# 不指定位数，默认保留0位（取整）
print(f"保留0位：{round(num)}")     # 输出：3

# 特殊情况：四舍五入的“坑”（不是纯数学的四舍五入）
print(round(2.675, 2))  # 预期2.68，实际输出2.67（浮点数精度问题）

核心解析

优点：内置函数，无需导入模块，代码最短；
缺点：
1. 浮点数精度问题导致结果不符合预期（如2.675保留 2 位得到2.67）；
2. 适合 “快速粗略保留”，不适合金融、金额等高精度场景；
适用场景：简单的日常计算、非高精度的结果展示。

方法 2：字符串格式化（% 占位符）

用%_.xf的格式（x 为保留位数），本质是格式化输出，不改变数字本身，适合 “展示结果”。

代码示例

num = 10 / 3
print(f"原始值：{num}")  # 3.3333333333333335

# 保留2位小数（%_.2f）
print("保留2位：%.2f" % num)  # 输出：3.33
# 保留3位小数（%_.3f）
print("保留3位：%.3f" % num)  # 输出：3.333
# 补零：比如1.5保留2位，自动补0
print("补零示例：%.2f" % 1.5)  # 输出：1.50

核心解析

优点：格式化输出，自动补零，适合打印 / 展示结果；
缺点：返回的是字符串，不是数字（无法继续计算）；
适用场景：终端输出、日志记录、报表展示（只看结果，不计算）。

方法 3：format () 函数（推荐，灵活）

format()是 python 官方推荐的格式化函数，语法：format(数字, '.xf')，比%占位符更灵活，支持更多格式。

代码示例

num = 10 / 3
# 基础用法：保留2位
print("保留2位：{}".format(format(num, '.2f')))  # 输出：3.33
# 简写形式（更常用）
print("保留2位（简写）：{:.2f}".format(num))     # 输出：3.33
# 保留1位+补零
print("保留1位+补零：{:.1f}".format(1.5))        # 输出：1.5
# 结合其他格式（比如加千分位）
print("加千分位+保留2位：{:,.2f}".format(12345.6789))  # 输出：12,345.68

核心解析

优点：灵活，支持补零、千分位、对齐等，返回字符串但格式可控；
缺点：返回字符串，需转数字才能计算；
适用场景：复杂的结果展示（如带单位、千分位）、报表生成。

方法 4：f-string（python3.6+，最简洁）

f-string 是 python3.6 新增的格式化方式，语法：f"{数字:.xf}"，兼顾简洁和灵活，是日常开发的 “首选”。

代码示例

num = 10 / 3
# 保留2位小数
print(f"保留2位：{num:.2f}")  # 输出：3.33
# 保留3位小数
print(f"保留3位：{num:.3f}")  # 输出：3.333
# 保留1位+补零
print(f"保留1位+补零：{1.5:.1f}")  # 输出：1.5
# 结合变量（动态指定保留位数）
n = 2
print(f"动态保留{n}位：{num:.{n}f}")  # 输出：3.33

核心解析

优点：语法最简洁，支持动态指定保留位数，可读性最高；
缺点：返回字符串，python3.6 以下版本不支持；
适用场景：python3.6 + 的所有展示场景（日常开发首选）。

方法 5：decimal 模块（高精度，适合金融 / 金额）

前面的方法都有浮点数精度问题，而decimal模块专门解决 “高精度小数计算”，适合金融、金额等对精度要求高的场景。

代码示例

from decimal import decimal, round_half_up

# 解决round(2.675, 2)的精度问题
num = decimal('2.675')  # 注意：用字符串初始化，避免浮点数精度丢失
# 保留2位小数，四舍五入
res = num.quantize(decimal('0.00'), rounding=round_half_up)
print(f"高精度保留2位：{res}")  # 输出：2.68

# 对10/3进行高精度保留
num2 = decimal('10') / decimal('3')
res2 = num2.quantize(decimal('0.0000'))  # 保留4位
print(f"10/3保留4位：{res2}")  # 输出：3.3333

核心解析

优点：高精度，完全符合数学上的四舍五入，无精度丢失；
缺点：需要导入模块，语法稍复杂；
适用场景：金融计算、金额结算、税务计算（高精度要求）。

方法 6：numpy.round（大数据 / 数组场景）

如果处理的是 numpy 数组（数据分析、机器学习常用），用numpy.round()更高效，支持对整个数组保留小数。

代码示例

import numpy as np

# 生成numpy数组
arr = np.array([10/3, 2.675, 1.5])
print(f"原始数组：{arr}")  # 输出：[3.33333333 2.675      1.5       ]

# 对整个数组保留2位小数
arr_round = np.round(arr, 2)
print(f"保留2位后的数组：{arr_round}")  # 输出：[3.33 2.68 1.5 ]

核心解析

优点：专为 numpy 数组设计，批量处理效率高；
缺点：需要安装 numpy 库（pip install numpy）；
适用场景：数据分析、机器学习（处理大量数值数组）。

三、新手必避坑指南（重点！）

坑 1：浮点数本身的精度问题

# 看似2.675，实际存储的是近似值
print(2.675)  # 输出：2.6749999999999998

这就是round(2.675, 2)得到2.67的原因 —— 浮点数在计算机中是二进制存储，部分十进制小数无法精确表示。

坑 2：round () 的 “四舍六入五成双”

python 的round()不是纯数学的四舍五入，而是 “四舍六入五成双”（银行家舍入）：

当保留位后一位是 5，且后面无数字时，保留位为偶数则舍去，奇数则进 1；
示例：round(1.5)=2，round(2.5)=2（5 后面无数字，保留位 0 是偶数，舍去）。

坑 3：字符串格式返回的是字符串，不是数字

res = "%.2f" % 10/3  # 错误：字符串不能直接除法
# 正确做法：转成浮点数
res = float("%.2f" % (10/3))
print(res + 1)  # 输出：4.33

四、不同场景该选哪种方法？（总结表）

方法	优点	缺点	适用场景
round()	内置函数，简洁	精度问题、四舍五入坑	简单计算、非高精度展示
% 占位符	自动补零，适合展示	返回字符串	终端输出、简单报表
format()	灵活，支持多格式	返回字符串	复杂展示（千分位、对齐）
f-string	最简洁，支持动态位数	python3.6+、返回字符串	python3.6 + 的日常展示（首选）
decimal 模块	高精度，无精度丢失	语法稍复杂	金融、金额、高精度计算
numpy.round	批量处理数组高效	需安装 numpy	数据分析、机器学习（数组处理）