为什么Pandas.DataFrame.iloc转换为numpy.float64并四舍五入？

Question

以该数字为例：

1.64847910404205

如果我创建一个带有行和该值的Pandas DataFrame：

df = pd.DataFrame([{'id': 77, 'data': 1.64847910404205}])

然后遍历各行（好吧...“行”）并检查：

for index, row in df.iterrows():
    if index > 0:
        previous_row = df.iloc[index]

当然，上面的内容很奇怪：为什么我要遍历这些行只是为了从DF中拉出同一行？算了我删除了-1进行说明。

现在，如果我使用SciView（属于IntelliJ的一部分）和data标签来逐行检查行，我会得到：

row
data: 1.64847910404205

previous_row
data: 1.64847910404

请注意，previous_row已四舍五入。这是因为出于某种原因它们是不同的数据类型...

row: 
type(row) #float64

previous_row:
type(previous_row) #numpy.float64

我很好奇：为什么iloc会转换为numpy.float64，我又如何防止它转换呢？

我需要与稍后进行峰值信噪比（PSNR）计算相同的精度。当然，我可以将float转换为numpy.float64，但我不想失去精度。

Answer 1

数据框中'data'列的类型为numpy.float64，即使Pandas仅将其报告为float64也是如此。您可以通过以下方法向自己证明这一点：

df['data'].dtype.type is numpy.float64

，它将返回True。另一种形式是：

type(df['data'].values[0]) is numpy.float64

，它也会返回True。

显示上的任何差异都取决于SciView解释代码的方式。