为何Pandas的round方法对float32类型序列无效？

核心原因：float32的精度限制 #

• float32（单精度浮点数）仅支持约7位有效数字，很多十进制小数（比如0.07）无法用二进制浮点数精确表示。当你尝试对float32序列执行round(2)时，受限于精度，计算后的结果依然是原精度下能存储的最接近值，看起来和原数据无差异。
• 比如示例里的357.589996，本身就是float32精度下最接近357.59的数值，调用round(2)后无法得到更精确的两位小数形式。

Pandas对不同浮点类型的round处理逻辑 #

• 调用round(n)时，Pandas会保留原序列的 dtype：
  • 对于float32，计算结果仍存储为float32，精度不足导致结果无变化；
  • 转换为float64（双精度浮点数）后，它支持约15-17位有效数字，足够容纳精确到两位小数的数值，因此round(2)的结果能被正确存储和显示。

调试示例验证 #

float32下调用round(2)的结果：

(Pdb) df
0    359.500000
1    357.589996
2    342.250000
3    334.070007
Name: data, dtype: float32
(Pdb) df.round(2)
0    359.500000
1    357.589996
2    342.250000
3    334.070007
Name: data, dtype: float32

转换为float64后调用round(2)的结果：

(Pdb) df.astype(float).round(2)
0    359.50
1    357.59
2    342.25
3    334.07
Name: data, dtype: float64

内容的提问来源于stack exchange，提问作者unitrium