Pandas中货币格式转float时的舍入不一致问题

问题根源 #

你碰到的小数精度丢失、自动舍入问题，核心原因是Python默认的float属于二进制浮点数（IEEE 754双精度），无法精确表示所有十进制小数。比如0.1这类小数在二进制中是无限循环的，存储时会产生微小误差，后续显示或计算时就可能出现和原数据不一致的舍入结果。

解决方案 #

要保证转换后数值和原数据完全一致，推荐以下两种可靠方法：

方法1：使用Decimal类型（精确对账首选） #

Python标准库的decimal.Decimal可以精确表示十进制小数，完全匹配原数据的精度，适合对账这类对精度要求极高的场景：

import pandas as pd
from decimal import Decimal

d = {'product': ['apples', 'pears', 'grapes', 'oranges'], 
     'price': ['$93,927.83' , '$9,868.23', '$110,838.10', '$10,093.88']}

df = pd.DataFrame(data=d)

# 一次性清理价格字符串中的$、逗号、括号
df['price_clean'] = df['price'].str.replace(r'[$(),]', '', regex=True)

# 转换为Decimal类型，完全保留原精度
df['price_decimal'] = df['price_clean'].apply(Decimal)

# 查看结果
print(df['price_decimal'])

转换后的数值会完全复刻原数据的小数位，后续groupby等操作也能保证精确计算。

方法2：优化浮点数转换与显示 #

如果坚持使用浮点数类型，可以通过统一显示格式避免视觉上的舍入偏差，同时使用Pandas的可空浮点数类型减少精度损失：

import pandas as pd

d = {'product': ['apples', 'pears', 'grapes', 'oranges'], 
     'price': ['$93,927.83' , '$9,868.23', '$110,838.10', '$10,093.88']}

df = pd.DataFrame(data=d)

df['price_clean'] = df['price'].str.replace(r'[$(),]', '', regex=True)
# 使用可空浮点数类型转换
df['price_float'] = pd.to_numeric(df['price_clean'], dtype='Float64')

# 设置Pandas强制显示两位小数，避免自动舍入
pd.set_option('display.float_format', lambda x: '%.2f' % x)

print(df['price_float'])

注意：这种方法仅保证显示精度，底层二进制浮点数仍可能存在微小误差，不适合要求绝对精确的对账场景。

额外优化提示 #

• 你原代码中的多次str.replace可以合并为一次正则替换，更高效简洁。
• 若原数据存在空值或无效格式的价格，可在pd.to_numeric中添加errors='coerce'参数，将无效值转为NaN方便后续处理。

内容的提问来源于stack exchange，提问作者Taos