将浮动转换为pandas中的字符串时精度损失

Question

我在Python中将一些浮点数（有些更短一些更长）转换为字符串并获得意外（？）结果：

案例1

pd.options.display.float_format = '{:.2f}'.format
pd.DataFrame({'x': [12345.67]})

           x
0   12345.67

案例2

pd.DataFrame({'x': [1234589890808980.67]})

                      x
0   1234589890808980.75

案例3

pd.DataFrame({'x': [1234589890878708980.67]})

                         x
0   1234589890878708992.00

我甚至尝试了dtypes np.float128和np.longdouble，但没有用。

有人可以解释一下这里发生了什么，并且在案例2和案例3中是否可以“正确”转换？

谢谢！

Answer 1

我害怕这个＆＃34;问题＆＃34;发生在Python（而不是pandas）方面。当你有一些像1234589890878708980.67这样的即时值时，它会被识别为float并立即失去精确度，例如：

>>> 1234589890878708980.67
1.234589890878709e+18
>>> 1234589890878708980.67 == 1234589890878708980.6712345
True

您可以尝试使用decimal.Decimal：

>>> import decimal
>>> pd.DataFrame({'x': [decimal.Decimal('1234589890808980.67')]})
                     x
0  1234589890808980.67

<强>编辑：

OP在评论中添加了一些问题。

  

但是，我是否理解为了正确使用此方法，该值应该首先是字符串？

是的：）

  

如果它从csv文件读取浮动怎么办？

AFAIK Python的csv读者不得进行任何类型转换，并且您将获得可以在以后自由转换的字符串。否则，如果您正在使用pandas.read_csv，则可以尝试设置dtype和float_precision参数（您也可以请求pandas加载纯字符串，并让您自己稍后转换值）