Pandas DataFrame处理高精度浮点数据时的不一致表现

问题场景 #

Oracle表中存储number(28,15)类型的高精度数值：45.200000000000003、12.699999999999999、99.745663，使用Pandas读取后出现精度异常：

• 执行以下代码：

  dataframe = pandas.read_sql_query('select * from schema.table', connection)
  print(df['columnname'])
  

  默认输出会自动截断精度，结果为：

  0  45.2
  1  12.7
  3  99.745663
  

• 设置显示精度后：

  pandas.set_option('display.precision', 15)
  

  前两个数值恢复原始精度，但第三个数值变为99.745662999999993，出现不可逆的精度偏差。

原因分析 #

Pandas默认会将Oracle的number类型映射为float64浮点数，而浮点数采用二进制存储，无法精确表示所有十进制小数。99.745663这类十进制值在二进制浮点数中只能以近似值存储，强制显示高精度时，就会暴露这种底层的近似误差。

解决方案 #

1. 读取时指定Decimal类型 #

直接将目标列指定为decimal.Decimal类型，绕过浮点数转换，保留原始十进制精度：

from decimal import Decimal
dataframe = pandas.read_sql_query(
    'select * from schema.table',
    connection,
    dtype={'columnname': Decimal}
)

2. 使用Pandas原生Decimal类型（Pandas 1.3+） #

针对Oracle的number(28,15)定义，使用pandas.DecimalDtype精准匹配：

dataframe = pandas.read_sql_query(
    'select * from schema.table',
    connection,
    dtype={'columnname': 'decimal(28,15)'}
)

注意事项 #

• 浮点数精度问题是二进制存储的固有特性，处理财务、计量类高精度数据时，必须优先使用十进制类型而非浮点数。
• 确保Oracle驱动（如cx_Oracle）支持Decimal类型映射，避免驱动层面自动转换为浮点数。

内容的提问来源于stack exchange，提问作者Yoga