本文介绍在 Python 中对浮点数（如 numpy.float64）实现“条件式舍入”——当值为整数（如 50.0）时显示为整数（50），当值含小数（如 37.5）时保留一位小数，避免统一 .round(0) 导致的精度丢失。
本文介绍在 python 中对浮点数（如 numpy.float64）实现“条件式舍入”——当值为整数（如 50.0）时显示为整数（50），当值含小数（如 37.5）时保留一位小数，避免统一 `.round(0)` 导致的精度丢失。
在数据分析中，常需计算百分比并格式化输出：理想效果是 50.0 → 50、37.5 → 37.5，而非统一取整为 50 或强制保留 .0。Python 原生 round() 和 pandas 的 .round() 无法满足该“智能格式化”需求——它们仅做数值舍入，不区分整数/小数语义。
核心思路是先计算原始浮点值，再判断其是否为数学整数：若 int(x) == x 成立（即无小数部分），则转为 int 类型；否则保留原浮点值（或按需保留一位小数）。注意：由于浮点精度问题，应避免直接用 x == int(x)，推荐使用 abs(x - round(x))
以下是优化后的完整示例：
import pandas as pd
import numpy as np
def smart_round(value, decimals=1):
"""对浮点数智能格式化：整数显示为int，否则保留decimals位小数"""
# 支持 float、np.float64 等数值类型
if hasattr(value, 'is_integer') and callable(value.is_integer):
is_whole = value.is_integer()
else:
is_whole = abs(value - round(value)) <p>✅ <strong>关键注意事项</strong>：</p>
- 不要对中间计算结果提前 .round()（如原代码中 (…).round(2)），这会引入额外误差；
- numpy.float64 支持 .is_integer() 方法，比 int(x) == x 更健壮；
- 若需最终输出为字符串（如用于报表），可进一步用 f"{result:g}" 自动去除尾部零（50.0 → "50"，37.5 → "37.5"）；
- 此逻辑适用于任何浮点计算场景（如统计占比、均值、增长率等），兼具可读性与精度。
通过该方法，你既能保持数值计算的准确性，又能实现专业、简洁的终端或报表输出。
