与熊猫一起漂流

Question

我正在读一个带有如下浮点数的CSV：

Bob,0.085
Alice,0.005

并导入到数据框中，然后将此数据框写入新位置

df = pd.read_csv(orig)
df.to_csv(pandasfile)

现在，此pandas文件具有：

Bob,0.085000000000000006
Alice,0.0050000000000000001

发生了什么事？也许我得换种类型比如Float32什么的？

我用熊猫0.9。0和numpy 1.6。2.




Answer 1

匿名用户

更新：在撰写本文时，答案是准确的，浮点精度仍然不是默认情况下使用to_csv/read_csv（精度性能折衷；默认值有利于性能）得到的。

现在，熊猫可以使用float_format参数。DataFrame.to_csv和float_precision参数可用于pandas.from_csv。

原文仍然值得一读，以便更好地理解这个问题。

这是熊猫中的一个bug，不仅在“to_csv”函数中，在“read_csv”中也是如此。这不是一个普通的浮点问题，尽管浮点运算确实是一个需要程序员注意的主题。下面这篇文章对这一主题作了一些澄清：

http://docs.python.org/2/tutorial/floatingpoint.html

一个经典的一行显示“问题”是。。。

>>> 0.1 + 0.1 + 0.1
0.30000000000000004

... 它不会像人们所期望的那样显示0.3。另一方面，如果您使用定点算法处理计算，并且仅在最后一步中使用浮点算法，那么它将按照您的预期工作。见此：

>>> (1 + 1 + 1)  * 1.0 / 10
0.3

如果您迫切需要绕过此问题，我建议您创建另一个CSV文件，其中包含所有整数形式的数字，例如乘以100、1000或其他方便的因子。在您的应用程序中，像往常一样读取CSV文件，您将获得这些整数。然后将这些值转换为浮点值，除以之前乘以的相同因子。

Answer 2

正如评论中提到的，这是一个一般的浮点问题。

但是，您可以使用to_csv的float_格式关键字将其隐藏：

df.to_csv('pandasfile.csv', float_format='%.3f')

或者，如果不希望将0.0001四舍五入为零：

df.to_csv('pandasfile.csv', float_format='%g')

将为您提供：

Bob,0.085
Alice,0.005

在输出文件中。

有关%g的说明，请参阅格式规范迷你语言。