配列、Pandas、Numpyを四捨五入、切り上げ、切り捨て[Python] ｜自作で機械学習モデル・AIの使い方を学ぶ

本記事では、Pythonで四捨五入・切り上げ・切り捨てを行う方法を、
「変数」・「list（配列）」・「NumPy配列」・「pandas DataFrame」
の4パターンに分けて解説します。

特に、round 関数が「4.5 を 5 ではなく 4 に丸める」理由や、decimal モジュールを用いた
一般的な四捨五入（5 を常に切り上げる方式）の実装方法など、実務でもつまずきやすいポイントを丁寧に扱います。

こんな人におすすめ

Pythonの変数を四捨五入・切り上げ・切り捨てしたい
Pythonの配列（list）を一気に四捨五入・切り上げ・切り捨てしたい
NumPy配列を一気に四捨五入・切り上げ・切り捨てしたい
pandasのDataFrameを一気に四捨五入・切り上げ・切り捨てしたい

主なライブラリ

本ページでは、以下のモジュール・ライブラリを利用します。

decimal モジュール（Decimal クラスによる厳密な四捨五入）
math モジュール（ceil, floor）
pandas
numpy

事前に以下のようにインポートしておきます。

import math
import pandas as pd
import numpy as np
from decimal import Decimal, ROUND_HALF_UP, ROUND_DOWN, ROUND_UP

Python変数の丸め処理（四捨五入・切り上げ・切り捨て）

まずは、単一の変数（スカラー値）に対して丸め処理を行う方法を紹介します。
Python標準の round 関数と、decimal モジュールの Decimal クラスを使った方法を比較しながら見ていきます。

Python変数（四捨五入）

decimal モジュールの Decimal クラスと、そのメソッド quantize を使用すると、
「一般的な四捨五入（5 を常に切り上げ）」を実装できます。

Decimal の引数：四捨五入したい変数を文字列型で渡す（浮動小数点誤差を避けるため）。
quantize の第1引数：四捨五入後の小数点以下の桁数を Decimal('0.1') のように指定。
quantize の第2引数：rounding=ROUND_HALF_UP を指定すると、5 を常に切り上げる一般的な四捨五入になります。

i = 1.234

print(Decimal(str(i)).quantize(Decimal('1'), rounding=ROUND_HALF_UP))
# ⇒ 1

print(Decimal(str(i)).quantize(Decimal('0.1'), rounding=ROUND_HALF_UP))
# ⇒ 1.2

print(Decimal(str(i)).quantize(Decimal('0.01'), rounding=ROUND_HALF_UP))
# ⇒ 1.23

Python変数の四捨五入では round 関数がよく使われますが、
「銀行丸め（偶数丸め）」 という方式で動作するため、
学校で習う一般的な四捨五入（5 以上は一律で切り上げ）とは結果が異なることがあります。

下記は、round 関数が偶数丸めで動作している例です。
一般的な四捨五入では 4.5 → 5 になりますが、Python の round では 4.5 → 4 になります。

# 学校で習う一般的な四捨五入では 4.5 → 5 になるが、
# round 関数は「偶数丸め」をしているため、4 が返ってくる。
i = 4.5
print(round(i))
# ⇒ 4

# この場合は、一般的な四捨五入と同じ結果が返ってくる
j = 5.5
print(round(j))
# ⇒ 6

正確な四捨五入（5 を常に切り上げる方式）が必要な場合は、
round ではなく decimal モジュール（Decimal + ROUND_HALF_UP）
を使用することをおすすめします。

Python変数（切り上げ）

変数の切り上げには math.ceil を使用します。
小数第1位だけでなく、第2位・第3位など任意の桁で切り上げたい場合は、
いったん数値を 10 倍・100 倍したうえで ceil を適用し、最後に元のスケールに戻します。

i = 1.2345

# 小数点第1位を切り上げる
print(math.ceil(i))
# ⇒ 2

# 小数点第2位を切り上げる
print(math.ceil(i * 10) / 10)
# ⇒ 1.3

decimal モジュールを使って、より厳密に切り上げることも可能です。

i = 1.2345

# 小数点第1位を切り上げる
print(Decimal(str(i)).quantize(Decimal('1'), rounding=ROUND_UP))
# ⇒ 2

# 小数点第2位を切り上げる
print(Decimal(str(i)).quantize(Decimal('0.1'), rounding=ROUND_UP))
# ⇒ 1.3

Python変数（切り捨て）

変数の切り捨てには math.floor を使用します。考え方は ceil と同様です。

i = 1.2345

# 小数点第1位を切り捨てる
print(math.floor(i))
# ⇒ 1

# 小数点第2位を切り捨てる
print(math.floor(i * 10) / 10)
# ⇒ 1.2

decimal モジュールを使って切り捨てることも可能です。

i = 1.2345

# 小数点第1位を切り捨てる
print(Decimal(str(i)).quantize(Decimal('1'), rounding=ROUND_DOWN))
# ⇒ 1

# 小数点第2位を切り捨てる
print(Decimal(str(i)).quantize(Decimal('0.1'), rounding=ROUND_DOWN))
# ⇒ 1.2

Python配列（list）の丸め処理

Python の list（配列）そのものに対して、一括で四捨五入する専用関数は用意されていません。
しかし、list はイテラブルなので、内包表記や for 文 を使って要素ごとに丸め処理を行うことができます。

Python配列（四捨五入）

例として、次のような list を四捨五入してみます。

list1 = [1.234, 3.456, 5.678]

Decimal を使った場合と、round を使った場合の両方を示します。

# Decimal を使った一般的な四捨五入（5 を常に切り上げ）
print([Decimal(str(i)).quantize(Decimal('0.1'), rounding=ROUND_HALF_UP) for i in list1])
# ⇒ [Decimal('1.2'), Decimal('3.5'), Decimal('5.7')]

# round を使った場合（偶数丸め）
print([round(i, 1) for i in list1])
# ⇒ [1.2, 3.5, 5.7]

Decimal を利用した四捨五入処理は、実行結果が
[Decimal('1.2'), Decimal('3.5'), Decimal('5.7')] のように表示されます。
これは通常の小数とほぼ同様に数値計算に利用できますが、
型としては float ではなく Decimal 型である点に注意してください。

Python配列（切り上げ）

切り上げ・切り捨ても同様に、list の各要素に対して math.ceil や math.floor を適用します。

list1 = [1.234, 3.456, 5.678]

print([math.ceil(i) for i in list1])
# ⇒ [2, 4, 6]

Python配列（切り捨て）

list1 = [1.234, 3.456, 5.678]

print([math.floor(i) for i in list1])
# ⇒ [1, 3, 5]

NumPy配列の丸め処理

NumPy には np.round, np.ceil, np.floor といった丸め系の関数が用意されています。
ただし np.round も Python の round と同様に
偶数丸め（銀行丸め） で動作します。

「5 を常に切り上げる一般的な四捨五入」が必要な場合は、
Decimal を使った自作関数を np.vectorize などで適用する方法があります。
なお、np.vectorize は見た目はベクトル化されていますが、内部的には Python ループに近いため、
性能がシビアな場合は np.floor などを組み合わせた数式ベースの実装も検討してください。

NumPy配列（四捨五入）

list2 = np.array([
    [1.234, 3.456, 5.678],
    [5.432, 6.543, 8.765]
])

# Decimal を利用する場合（一般的な四捨五入）
def func_ROUND_HALF_UP(x):
    return Decimal(str(x)).quantize(Decimal('0.1'), rounding=ROUND_HALF_UP)

print(np.vectorize(func_ROUND_HALF_UP)(list2))
# [[Decimal('1.2') Decimal('3.5') Decimal('5.7')]
#  [Decimal('5.4') Decimal('6.5') Decimal('8.8')]]

# np.round を利用する場合（偶数丸め）
print(np.round(list2, 1))
# [[1.2 3.5 5.7]
#  [5.4 6.5 8.8]]

Decimal を利用した四捨五入処理の結果は
[[Decimal('1.2') ...]] のように Decimal 型で表現されます。
通常の数値とほぼ同様に扱えますが、型が float とは異なるため、
他の NumPy 関数との組み合わせでは注意が必要です。

NumPy配列（切り上げ）

list2 = np.array([
    [1.234, 3.456, 5.678],
    [5.432, 6.543, 8.765]
])

print(np.ceil(list2))
# [[2. 4. 6.]
#  [6. 7. 9.]]

NumPy配列（切り捨て）

list2 = np.array([
    [1.234, 3.456, 5.678],
    [5.432, 6.543, 8.765]
])

print(np.floor(list2))
# [[1. 3. 5.]
#  [5. 6. 8.]]

pandas DataFrame の丸め処理

pandas の DataFrame には round メソッドが用意されています。
こちらも round / np.round と同様に
偶数丸め で動作します。
一般的な四捨五入が必要な場合は、自作関数と agg を組み合わせて使います。

pandasのDataFrame（四捨五入）

df = pd.DataFrame({'a': [1.23, 2.34, 3.45],
                   'b': [4.4, 4.5, 4.6]})
#       a    b
# 0  1.23  4.4
# 1  2.34  4.5
# 2  3.45  4.6

# 一般的な四捨五入（5 を常に切り上げ）を行う関数
def func_ROUND_HALF_UP(list1):
    return [Decimal(str(i)).quantize(Decimal('1'), rounding=ROUND_HALF_UP) for i in list1]

print(df.agg(func_ROUND_HALF_UP))
#    a  b
# 0  1  4
# 1  2  5
# 2  3  5

# DataFrame.round() を使った場合（偶数丸め）
print(df.round())
#      a    b
# 0  1.0  4.0
# 1  2.0  4.0  # ⇒ 偶数丸め
# 2  3.0  5.0

上記では agg を用いて列ごとに自作関数を適用しています。
行方向・列方向にどのように適用されるかは、DataFrame の構造と関数の戻り値に依存しますので、
実際の業務データに合わせて挙動を確認しながら利用してください。

pandasのDataFrame（切り上げ）

DataFrame 全体を切り上げる場合は、agg を用いて np.ceil を適用します。

print(df.agg(np.ceil))
#      a    b
# 0  2.0  5.0
# 1  3.0  5.0
# 2  4.0  5.0

pandasのDataFrame（切り捨て）

print(df.agg(np.floor))
#      a    b
# 0  1.0  4.0
# 1  2.0  4.0
# 2  3.0  4.0

用途別のおすすめ丸め方法まとめ

最後に、用途ごとにどの方法を選べばよいか、ざっくりとまとめます。

シチュエーション	おすすめ手法
学習用・簡単なスクリプト	`round`（偶数丸めであることを理解した上で使用）
金額計算など、厳密な四捨五入が必要	`Decimal` + `ROUND_HALF_UP`（一般的な四捨五入）
大規模な配列計算（NumPy）	`np.round`（偶数丸め）や、`np.floor` 等を組み合わせた独自実装
分析用の表形式データ（pandas DataFrame）	`DataFrame.round` や、自作関数 + `agg`

よくある質問（FAQ）

Q. なぜ `round(4.5)` は 5 ではなく 4 になるのですか？

Python の round 関数は、「5 を常に切り上げる一般的な四捨五入」ではなく、
偶数丸め（銀行丸め） を採用しているためです。
小数部分がちょうど 0.5 の場合、近い偶数に丸められる仕様になっています。

Q. 一般的な四捨五入をしたいときはどうすればよいですか？

一般的な四捨五入（5 を常に切り上げ）を行いたい場合は、
decimal モジュールの Decimal クラスと
ROUND_HALF_UP を利用してください。
本記事のサンプルコードのように quantize メソッドを使うと簡単に実現できます。

Q. NumPy配列やpandas DataFrame でも `Decimal` を使うべきですか？

金額計算など厳密な結果が求められる場合は Decimal を検討すべきですが、
Decimal は float とは型が異なるため、
NumPy や pandas の一部機能と組み合わせる際に制約が出ることがあります。
性能・保守性・必要な精度のバランスを考慮して選択してください。