Python与Excel SUM计算结果不一致，如何实现两者结果统一？

问题根源 #

浮点数加法不满足数学上的结合律，np.sum采用了优化的求和算法（如成对求和）来降低误差，但Excel的求和是按单元格顺序逐个累加，两者计算逻辑差异导致结果偏差；另外，CSV转float64时的精度损失也可能加剧差异。

解决方案 #

方法1：模拟Excel逐行累加逻辑（用float64） #

直接复刻Excel的顺序累加方式，匹配其计算逻辑：

import pandas as pd
import numpy as np

csv_directory = r'D:\Work Documents\Apps\ACF PAS & MANUAL\DMS\Test\ACF_ID_DMSCM_01_20210131_0001.csv'

df = pd.read_csv(csv_directory)
# 转为Excel同款双精度浮点数类型
df['TransactionAmount'] = df['TransactionAmount'].astype(np.float64)

# 手动逐行累加，完全匹配Excel的求和顺序
total_amount = 0.0
for amount in df['TransactionAmount']:
    total_amount += amount

print(total_amount)

方法2：用Decimal类型精确计算（消除浮点数精度损失） #

如果CSV中的金额是原始字符串格式，用Decimal读取计算可彻底避免转换精度损失：

from decimal import Decimal, getcontext
import pandas as pd

csv_directory = r'D:\Work Documents\Apps\ACF PAS & MANUAL\DMS\Test\ACF_ID_DMSCM_01_20210131_0001.csv'

# 读取时将金额列设为字符串，避免初始浮点数转换误差
df = pd.read_csv(csv_directory, dtype={'TransactionAmount': str})

# 设置精度为17位，匹配Excel双精度浮点数的有效数字范围
getcontext().prec = 17
df['TransactionAmount'] = df['TransactionAmount'].apply(Decimal)

# 逐行累加（或直接用df['TransactionAmount'].sum()，pandas对Decimal列的sum为顺序累加）
total_amount = Decimal('0')
for amount in df['TransactionAmount']:
    total_amount += amount

# 转为浮点数输出，和Excel格式一致
print(float(total_amount))

验证注意事项 #

• 确认CSV中的金额数据与Excel读取的完全一致，避免Excel自动将长数字转为科学计数法或截断。
• 若Excel显示的求和结果是四舍五入后的展示值，需通过=CELL("contents", 单元格地址)查看单元格实际存储的原始数据。

内容的提问来源于stack exchange，提问作者Allesandro Yudo