将带有表示误差的浮点数舍入到最接近且正确的结果

我有一个情况，当经典表示错误在 Python 中开始成为一个问题：我需要将它们用于 Numpy 中的矩阵运算以及decimal尚不支持类型。

你们都知道如果我这样做111.85 * 111.85我会得到12510.422499999999但如果我round(12510.422499999999, 4)我当然可以得到正确的结果12510.4225.

但实际的问题是：

• 这个圆形的东西是一个好主意和一个好的实践吗？
• 这适用于所有情况吗？有时 ..999 小数位可能更多
• 最后，如何获得适当的小数位数以用于所有可能值的舍入？

即使四舍五入，小数点仍然不会exactly你期望它是什么。 Python 可能只显示最高有效位，但潜在的十进制不准确仍然存在。

python 文档专门用一节来介绍它

由于方式原因，许多用户不知道近似值 显示值。 Python 只打印十进制近似值 存储的二进制近似值的真实十进制值 机器。在大多数机器上，如果 Python 要打印真正的小数 存储为 0.1 的二进制近似值，则必须 展示

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

这比大多数人认为有用的数字要多，因此 Python 保留了 通过显示舍入值来管理位数

>>> 1 / 10
0.1

对于大多数用例，可以安全地忽略不准确性。如果你是 处理极小或极大的数字或需求 精确到许多小数位，您可以使用decimal library

 >>> Decimal('111.85') * Decimal('111.85')
 Decimal('12510.4225')