熊猫。数据帧。舍入似乎对我的数据帧不起作用-舍入问题会导致csv文件中存储额外的数据

Question

我在使用熊猫数据帧时偶然发现了一个小问题：

我有一个大的csv文件（大约2Gb的数据），包含资产的价格，并使用DataFrame创建。要使用Pandas的_csv（）函数，当我仔细检查代码时，我的第一行代码如下所示：

DateTime,open,high,low,close
2016-01-04 00:36:18,1.08505,1.08505,1.08504,1.08504
2016-01-04 00:36:19,1.08505,1.08505,1.08504,1.08504
2016-01-04 00:36:20,1.08503,1.08503,1.08495,1.08495
2016-01-04 00:36:21,1.0849600000000001,1.0849600000000001,1.0849600000000001,1.0849600000000001
2016-01-04 00:36:22,1.0849600000000001,1.0849600000000001,1.08492,1.08492

数据是使用df创建的。重采样（'1s'）。ohlc（）我认为有时会有一些舍入问题，所以我尝试使用df舍入数据帧。四舍五入（5）保留最后5位小数，但它根本不会改变任何东西。

SEC = pd.read_csv("D:\Finance python\Data\EUR_USD\Sec\S1_2015.csv",index_col='DateTime',parse_dates=True,error_bad_lines=False,infer_datetime_format=True)
SEC = SEC.round(5)

DataFrame保持不变，我真的想知道为什么。

当我尝试使用包含我上面给出的5行的csv文件时：

In[13]: SEC["open"][3]
Out[13]: 1.0849599999999999

在df上进行计算时，这不是问题（即使小数越少，速度可能越快），但似乎有很多0或9被免费存储在我的csv文件中，并且占用了额外的空间。

而且，即使在csv文件中看起来很好的值，在使用pandas调用时实际上也不是很全面。

有人知道为什么DataFrame没有被正确地四舍五入，或者当我用熊猫保存它们时，有更短的csv文件的解决方案吗？

提前谢谢

编辑：我尝试使用Decimal方法，但它仍然不起作用。我认为这是因为熊猫不能在数据帧中存储十进制类型的数字，从而将其转换为浮点数。

Answer 1

我尝试运行您的代码：

df = pd.read_clipboard(sep=',',engine='python')
df

DateTime    open    high    low close
0   2016-01-04 00:36:18 1.08505 1.08505 1.08504 1.08504
1   2016-01-04 00:36:19 1.08505 1.08505 1.08504 1.08504
2   2016-01-04 00:36:20 1.08503 1.08503 1.08495 1.08495

然后使用df。第（3）轮

    DateTime    open    high    low close
0   2016-01-04 00:36:18 1.085   1.085   1.085   1.085
1   2016-01-04 00:36:19 1.085   1.085   1.085   1.085
2   2016-01-04 00:36:20 1.085   1.085   1.085   1.085

它对我有效，但正如我df。astype（str）。循环（3），然后它将不起作用。因此，我建议您检查数据的类型。

Answer 2

我在另一篇帖子上找到了问题所在：漂浮64，熊猫到了

我需要使用参数float_format='%.5f有我的csv文件，因为我想要他们，问题是链接到浮点数的工作方式。

Answer 3

这与浮点算术的精度有关；不是所有的数字都可以精确地表示。如果你想设置熊猫显示数字到小数点后5位，你可以这样做

pd.set_options('display.float_format','{:.5f}')

但是内部代表将保持不变（仔细阅读你的帖子后，不会解决你与CSV的问题）。

如果要更改内部表示形式，则需要使用Decimal数据类型：

from decimal import Decimal
df.round(5).astype(Decimal)

仅供参考，你可以像这样重现你的问题：

import numpy as np
np.float64(1.08496)