Pandas DataFrame浮点数匹配异常问题咨询：显示值与实际存储值不符导致匹配失败

你遇到的这个问题其实不是Pandas主动对数值做了舍入处理，核心原因是浮点数的精度误差，加上Pandas默认的显示设置让你产生了误解。下面一步步拆解问题并给出最优解决方案：

为什么直接匹配浮点数会失败？ #

当你看到唯一值数组里的18.04000092，实际存储在DataFrame里的数值可能因为浮点数的二进制存储特性，是一个非常接近但不完全等于这个十进制数的值（比如18.040000919999998之类的）。直接用==做精确匹配时，因为微小的精度差异，就会匹配不到任何结果。

为什么唯一值显示和列的显示格式不一样？ #

Pandas的默认显示设置（pd.options.display.float_format）会对浮点数做格式化显示，默认情况下只会显示1-2位小数，所以你看R['lat']的时候看到的是18.0、18.4这种简化后的结果。而提取唯一值时，NumPy（Pandas底层用NumPy存储数值）会显示浮点数的真实存储值（或者说更精确的表示），所以看起来格式不一样。

最优解决方案 #

针对浮点数匹配的问题，推荐以下几种方法，按优先级排序：

1. 使用近似匹配（推荐） #

不要用精确的==，而是用np.isclose()或者Pandas的Series.isclose()来做近似匹配，允许一定的误差范围：

import numpy as np
t1 = R[np.isclose(R.lat, 18.04000092)]
# 或者用Pandas的原生方法
t1 = R[R.lat.isclose(18.04000092)]

你还可以手动设置误差阈值rtol（相对误差）和atol（绝对误差），适配不同精度需求：

t1 = R[np.isclose(R.lat, 18.04000092, rtol=1e-8, atol=1e-10)]

2. 对数值进行四舍五入后匹配 #

如果你的数据精度要求允许，可以先把lat列四舍五入到固定的小数位数，再做匹配：

# 比如保留6位小数
R['lat_rounded'] = R['lat'].round(6)
t1 = R[R.lat_rounded == 18.040001]  # 注意这里的数值要和四舍五入后的结果对应

不过这种方法可能会丢失一些精度，适合对精度要求不高的场景。

3. 修改Pandas的显示设置（仅用于查看，不解决匹配问题） #

如果只是想看到DataFrame里lat列的完整数值，可以修改Pandas的显示选项：

pd.options.display.float_format = '{:.10f}'.format
print(R['lat'])

这样就能看到更精确的数值，方便你确认实际存储的值，但这只是显示层面的改变，不影响实际的匹配逻辑。

总结 #

核心问题是浮点数的精度特性导致的精确匹配失败，最稳妥的方法是使用近似匹配。而显示格式的差异只是Pandas和NumPy的默认显示策略不同，实际存储的数值是一致的。

内容的提问来源于stack exchange，提问作者Francisco Colina