Pandas .loc判断浮点数相等时无法返回预期非空DataFrame

问题背景 #

我创建了一个float64类型的计算列，预设保留两位小数，计算公式为：

data['Engine Efficiency'] = 4.0 * data['Engine Displacement'] / (data['# Cylinders'].astype('float64') * 3.24)

尝试通过以下方式筛选值为0.62的行：

• 直接等值匹配：data.loc[data['Engine Efficiency'] == 0.62]
• 浮点精度匹配：data[np.isclose(data['Engine Efficiency'], 0.62)]
• 自定义容差匹配：data[np.abs(data['Engine Efficiency'] - float(0.62)) < 0.0001*float(0.62)]

所有方法均返回空DataFrame，但判断!=0.62时返回全量数据，推测是计算过程中的数值精度问题。已尝试修改计算公式、替换math.pi/np.pi、设置精度、统一转换浮点类型等方法，均未解决。

排查与解决步骤 #

1. 查看数值真实精度 #

先提取疑似等于0.62的行，打印其精确值，确认误差范围：

# 打印前10行的高精度数值
print(data['Engine Efficiency'].head(10).apply(lambda x: format(x, '.20f')))

这能直观看到数值是否是0.6199999999999999或0.6200000000000001这类接近0.62但存在微小误差的情况。

2. 调整容差参数 #

如果是np.isclose的默认容差不够，放宽相对/绝对容差：

# 增大容差范围，适配两位小数的误差
data[np.isclose(data['Engine Efficiency'], 0.62, rtol=1e-4, atol=1e-6)]
# 或者直接用两位小数的绝对误差范围
data[np.abs(data['Engine Efficiency'] - 0.62) < 0.005]

3. 计算后强制四舍五入 #

既然预设保留两位小数，计算后直接对列做四舍五入处理，再进行等值筛选：

# 计算时直接保留两位小数
data['Engine Efficiency'] = round(4.0 * data['Engine Displacement'] / (data['# Cylinders'].astype('float64') * 3.24), 2)
# 之后直接等值匹配
data.loc[data['Engine Efficiency'] == 0.62]

4. 升级数据类型 #

尝试用更高精度的浮点类型（如float128）进行计算，减少精度损失：

data['Engine Displacement'] = data['Engine Displacement'].astype('float128')
data['# Cylinders'] = data['# Cylinders'].astype('float128')
data['Engine Efficiency'] = 4.0 * data['Engine Displacement'] / (data['# Cylinders'] * 3.24)

内容的提问来源于stack exchange，提问作者Nežumi