Pandas转换Float64为字符串时丢失小数精度的问题排查

我处理一份包含浮点数列的Excel文件时，遇到了如下问题：用Pandas将Float64类型的值转为字符串时，部分值出现小数精度丢失，导致后续检查SOURCE_VALUES是否存在超过两位小数的逻辑出现误报。

操作流程 #

1. 读取Excel数据：

df = pd.read_excel(io=_file, sheet_name="History", header=4, skiprows=[5, 6, 7]).fillna("")

2. 将浮点数列转为字符串：

test = df.assign(STRING_VALUES=df.SOURCE_VALUES.map(lambda x: str(x)))

3. 检查Pandas小数格式配置：
   执行pd.get_option("styler.format.decimal")，返回结果为,，符合巴西（与欧洲一致）的数字格式规范——千位分隔符为.，小数分隔符为,。

问题根源排查 #

最初怀疑是Pandas的转换逻辑导致精度丢失，但后续获取到原始XML源文件后发现：问题出在Excel文件本身，是Excel自动对数值应用了浮点格式掩码，导致读取到Pandas中的值并非原始精确值，而非Pandas的转换问题，原始数据本身是正确的。

总结 #

遇到类似数据转换精度问题时，首先要关注数据来源的原始状态，不要直接误判是处理工具的问题，优先验证数据源本身是否存在格式或显示层面的偏差。

内容的提问来源于stack exchange，提问作者Bitart