保存Pandas DataFrame至CSV时数值出现偏移问题求助

最小复现示例 #

import pandas as pd

# 注：原代码需先将字典转为DataFrame，否则无法调用round方法
df = pd.DataFrame({
  "value1": [110.589, 222.534, 390.123],
  "value2": [50.111, 40.086, 45.334]
})

df.round(1)
# checkpoint：调试时看到四舍五入后数值为 [110.6000, 222.5000, 390.1000] 等
df.to_csv("output.csv")

现象 #

调试时四舍五入后的数值显示为预期的一位小数形式，但保存为CSV后，部分数值出现微小偏移，比如110.6变成110.600000000001，222.5变成222.499999999999等，偏移量固定为±0.000000000001。

原因 #

这是二进制浮点数的精度局限性导致的：

• 很多十进制小数（比如0.1）无法用二进制浮点数精确存储，只能以近似值的形式存在于内存中。
• 调试工具显示的四舍五入数值是格式化后的结果（仅展示4位小数），但内存中实际存储的是接近目标值的二进制近似值。
• 保存CSV时，pandas默认会输出足够多的小数位来还原这个内存中的近似值，于是出现肉眼可见的微小偏移。
• 额外注意：原代码中df.round(1)未重新赋值给df，这会导致原DataFrame并未被修改——如果你的实际代码也是如此，调试看到的数值只是临时返回结果，原数据还是未四舍五入的浮点数，会加剧精度问题。

解决方法 #

1. 保存CSV时强制指定小数位数（最简便） #

使用to_csv的float_format参数，直接控制输出的小数位数，避免显示精度问题：

# 先正确赋值四舍五入后的结果
df = df.round(1)
# 保存时指定保留1位小数
df.to_csv("output.csv", float_format="%.1f")

2. 转换为Decimal类型存储（彻底解决浮点数精度问题） #

如果需要严格的十进制精度，可以使用decimal模块将数值转为Decimal类型后再保存：

from decimal import Decimal, ROUND_HALF_UP

# 定义四舍五入函数
def round_decimal(x):
    return Decimal(str(x)).quantize(Decimal('0.1'), rounding=ROUND_HALF_UP)

# 对DataFrame的数值列应用转换
df = df.applymap(round_decimal)
# 保存CSV
df.to_csv("output.csv")

3. 确保四舍五入操作生效 #

务必将round的结果重新赋值给原DataFrame，否则原数据不会被修改：

# 错误写法：仅调用round但不赋值，原df不变
# df.round(1)
# 正确写法：赋值覆盖原DataFrame
df = df.round(1)

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