Python DataFrame金额列求和结果与Excel不符问题求助

核心原因 #

你遇到的问题本质是浮点数的二进制存储精度误差：即使显示为2148.38的数值，实际在内存中可能是类似2148.3799999999997的近似值。直接乘100转int会截断小数部分，导致累加误差；原生的浮点求和也会因为多次近似累积偏差。

可行解决方案 #

1. 使用Decimal类型精确计算 #

Decimal类型支持精确的十进制运算，完全避免浮点误差：

from decimal import Decimal

# 将列值转为Decimal（先转字符串，避免浮点转Decimal时带入误差）
annuities['PV of annuity'] = annuities['PV of annuity'].apply(lambda x: Decimal(str(x)))

# 精确求和
total = sum(annuities['PV of annuity'])
# 转为两位小数格式
formatted_total = round(total, 2)

这个方法能得到和Excel完全一致的真值351571.35。

2. 先对每个值舍入到两位小数再求和 #

如果Excel是基于显示的两位小数进行求和（而非原始浮点值），可以先对每个金额舍入到两位小数再累加：

# 对每个值保留两位小数
annuities['PV rounded'] = annuities['PV of annuity'].round(2)
# 求和
total = annuities['PV rounded'].sum()

这种方式模拟了Excel的常规计算逻辑，结果会和Excel对齐。

3. 排查原始数据的真实存储值 #

可以打印出每个值的高精度格式，确认是否存在隐性误差：

# 显示每个值的20位小数，查看真实存储值
annuities['PV precise'] = annuities['PV of annuity'].apply(lambda x: format(x, '.20f'))
print(annuities['PV precise'])

如果发现某个值的真实存储和显示值不一致，说明数据导入时就带了浮点误差，需要从数据源层面修正（比如用文本格式导入金额列）。

内容的提问来源于stack exchange，提问作者A.Patrick