从R中的.5进行整理
是的，我知道为什么我们总是凑到最接近的偶数，如果我们在两个数字的中间（即2.5变成2）。 但是当我想要评估某些人的数据时，他们不想要这种行为。 什么是最简单的方法来得到这个：
x <- seq(0.5,9.5,by=1) round(x) 为1,2,3，…，10而不是0,2,2,4,4，…，10。
编辑：要清除：1.4999四舍五入后应为1。 （我认为这将是显而易见的）
这不是我自己的function，不幸的是， 我现在无法find我的位置 （最初在统计意义博客中发现的匿名评论），但它应该帮助您满足您的需求。
round2 = function(x, n) { posneg = sign(x) z = abs(x)*10^n z = z + 0.5 z = trunc(z) z = z/10^n z*posneg }
x是要舍入的对象， n是要舍入的位数。
一个例子
x = c(1.85, 1.54, 1.65, 1.85, 1.84) round(x, 1) # [1] 1.8 1.5 1.6 1.8 1.8 round2(x, 1) # [1] 1.9 1.5 1.7 1.9 1.8
如果你想要的东西，除了那些xxx.5值的行为完全一样，试试这个：
x <- seq(0, 1, 0.1) x # [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 floor(0.5 + x) # [1] 0 0 0 0 0 1 1 1 1 1 1
这似乎工作：
rnd <- function(x) trunc(x+sign(x)*0.5)
Ananda Mahto的回答似乎是这样做的 – 我不确定他的回答中额外的代码是怎么回事。 换句话说，我不知道如何打破上面定义的rnd（）函数。
例：
seq(-2, 2, by=0.5) # [1] -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 round(x) # [1] -2 -2 -1 0 0 0 1 2 2 rnd(x) # [1] -2 -2 -1 -1 0 1 1 2 2
正如@CarlWitthoft在评论中所说，这是第6 ?round提到的IEC 60559标准：
请注意，为了舍入5，IEC 60559标准预计将被使用，“去偶数”。 因此，round（0.5）是0，round（-1.5）是-2。 但是，这取决于操作系统服务和表示错误（因为例如0.15没有完全表示，舍入规则适用于表示的数字而不是打印的数字，所以四舍五入（0.15,1）可以是0.1或0.2 ）。
Greg Snow的另一个解释是：
即使规则回合的逻辑是，我们试图表示一个基本的连续值，如果x来自一个真正的连续分布，那么x == 2.5的概率是0，2.5可能已经从任何值在2.45和2.54999999999999之间…，如果我们在小学时使用了0.5规则，那么双舍入意味着2.45到2.50之间的值将全部舍入到3（已经先舍入到2.5）。 这往往会使估算偏向上。 为了消除偏差，我们需要回到2.5之前（这往往不可能不切实际），或者只是一半的时间和一半的时间舍去（或者更好的是圆整成正比，要看到低于或高于2.5的值被舍入为2.5，但对于大多数底层分布，这将接近50/50）。 随机方法是让轮回函数随机select轮回的方式，但是确定性types与此不一致，所以select“轮到偶”（循环到奇数应该是相同的）作为一致的规则，循环上下大约50/50。
如果你正在处理的数据可能代表一个确切的数值（例如金钱），那么你可以通过将所有值乘以10或100并以整数值工作，然后转换回最后的打印值来做得更好。 请注意，2.50000001轮到3，所以如果你保留更多的精度直到最后的印刷数字，那么舍入将按预期的方向，或者可以在舍入之前将0.000000001（或其他小数）添加到您的值，但是可以向上倾斜你的估计。
根据您摆弄数据的方式，这是有效的：
round(x+10*.Machine$double.eps) # [1] 1 2 3 4 5 6 7 8 9 10
