使用Pandas筛选DataFrame纬度列无返回结果问题咨询

常见原因 #

• 浮点精度损耗：float64类型的数值在存储、导入或计算过程中，很容易出现微小的精度偏差——比如你看到的-23.972176，实际存储的可能是-23.972176000000002或者-23.972175999999998这类近似值。小数据集是手动输入的精确值，所以==匹配有效，但大数据集大概率存在这种精度误差，导致严格匹配失败。
• 列名不匹配：你提到数据集的列是Latitude，但代码里用的是df['lat']。如果实际列名是大写开头的Latitude，或者存在拼写、大小写、空格差异，会导致你筛选的是一个不存在的列（返回全为False的布尔序列），自然查不到结果。
• 数据类型错误：虽然你标注Latitude是float64，但如果数据导入时解析出错，该列可能是字符串类型（object dtype）。用数值和字符串直接==匹配，结果必然是False。

解决办法 #

处理精度问题 #

用近似匹配替代严格相等：

1. 使用numpy.isclose()设置合理容差：

import numpy as np
df[np.isclose(df['Latitude'], -23.972176, atol=1e-8)]

atol是绝对误差容限，可根据你的数据精度调整（比如你的值是6位小数，1e-8的容限足够覆盖微小偏差）。

2. 对列值四舍五入后匹配：

df[df['Latitude'].round(6) == -23.972176]

因为目标值是6位小数，把列值四舍五入到6位后再做匹配，就能避开精度问题。

验证列名 #

先打印所有列名确认：

print(df.columns)

如果列名是Latitude，就把代码里的'lat'改成'Latitude'再执行。

检查并转换数据类型 #

先查看列的数据类型：

print(df['Latitude'].dtype)

如果输出是object，先把列转成float类型：

df['Latitude'] = df['Latitude'].astype(float)

之后再执行筛选操作。

内容的提问来源于stack exchange，提问作者Daniel M M