合并两个DataFrame时遇警告：浮点值与其整数表示不相等

问题重现 #

执行以下代码合并两个DataFrame：

joined_df = Register.join(
    ledger,
    lsuffix='Register',
    rsuffix='ledger',
    on='Gross',
    how='left')

收到警告：

<ipython-input-63-87afd279f9b6>:1: UserWarning: You are merging on int and float columns where the float values are not equal to their int representation.

已将两个DataFrame的Gross列都转为float64类型，但警告依然存在。

原因分析 #

虽然表面上两列都是float64，但Pandas的合并检测逻辑会检查数值的实际特征：如果其中一列的浮点数全部是整数形式（如5.0、10.0），而另一列包含非整数值（如5.5），就会被判定为“本质上的int与float合并”，从而触发警告。另外，浮点数的精度误差也可能间接导致这类检测异常。

解决方案 #

1. 确认列值是否为整数，统一转为int类型（推荐）

如果Gross列的业务含义是整数，只是被存为了浮点数，先验证所有值是否为整数：

# 检查两列是否全为整数型浮点数
print(Register['Gross'].apply(lambda x: x.is_integer()).all())
print(ledger['Gross'].apply(lambda x: x.is_integer()).all())

如果结果都是True，直接转为整数类型再合并：

Register['Gross'] = Register['Gross'].astype('int64')
ledger['Gross'] = ledger['Gross'].astype('int64')

# 重新执行合并
joined_df = Register.join(
    ledger,
    lsuffix='Register',
    rsuffix='ledger',
    on='Gross',
    how='left')

2. 统一浮点精度（适用于确实需要浮点类型的场景）

如果Gross列必须保留浮点类型，通过四舍五入统一精度，避免数值特征差异触发警告：

# 根据业务需求保留小数位数，示例为2位
Register['Gross'] = Register['Gross'].round(2)
ledger['Gross'] = ledger['Gross'].round(2)

# 重新执行合并
joined_df = Register.join(
    ledger,
    lsuffix='Register',
    rsuffix='ledger',
    on='Gross',
    how='left')

3. 临时禁用该警告（不推荐，仅在确认无问题时使用）

如果已经确认数据无问题，只是想屏蔽警告：

import warnings
# 精准匹配警告信息，避免屏蔽其他有用警告
warnings.filterwarnings(
    'ignore',
    category=UserWarning,
    message='You are merging on int and float columns where the float values are not equal to their int representation.'
)

# 执行合并
joined_df = Register.join(
    ledger,
    lsuffix='Register',
    rsuffix='ledger',
    on='Gross',
    how='left')

内容的提问来源于stack exchange，提问作者Abbas Syed