DataFrame筛选结果为空存疑：导出CSV后筛选正常求助

核心原因 #

你遇到的问题本质是浮点数精度误差，或者create_df(data)生成的DataFrame中col列的数据类型存在隐性异常：

• 当create_df生成的数据是浮点数类型时，看似等于val的数值可能存在微小精度偏差（比如实际是5.0000000001而非精确的5），直接用==或!=比较时会判定为不相等，导致筛选条件不触发。
• 导出CSV再读取的过程中，系统会自动对浮点数做精度截断/四舍五入，消除了微小误差，此时比较逻辑就能正常生效。

解决方案 #

针对这个问题，给出几种可行的处理方式：

1. 用数值近似比较替代精确比较 #

使用numpy.isclose()函数处理浮点数精度问题，它会在指定误差范围内判定数值相等：

import numpy as np
filtered_df = df[(np.isclose(df[col], val)) & (~np.isclose(df.shift(1)[col], df[col]))]

2. 强制统一数据类型 #

如果col列的数值本应是整数或固定小数位数，直接转换数据类型消除精度问题：

# 转换为整数（确保数值都是整数时使用）
df[col] = df[col].astype(int)

# 或者保留指定小数位数
df[col] = df[col].round(6)  # 根据实际业务需求调整小数位数

3. 检查生成函数的精度问题 #

排查create_df函数内部是否存在浮点运算导致的精度损失，比如在生成数据时直接对结果做精度截断：

# 在create_df函数内处理精度
def create_df(data):
    # ... 原有逻辑 ...
    df[col] = df[col].round(6)
    return df

验证方法 #

可以先打印create_df生成的df[col]的原始数值，确认是否存在精度偏差：

print(df[col].tolist())

如果输出的数值带有多位小数（比如5.0000000001），就说明是精度问题导致的筛选失效。

内容的提问来源于stack exchange，提问作者Lagos