DataFrame过滤问题求助：数值精度不一致导致过滤失效

这问题我之前帮同事排查过，核心原因其实是Excel的单元格格式只是「显示层」的伪装，底层存储的还是原始的高精度数值——你看到的两位小数只是Excel帮你四舍五入展示的，实际导入Pandas后，DataFrame读取的是真实存储值，自然会出现多位小数，过滤失效也就不奇怪了。PyCharm的查看器只是临时格式化显示，没修改实际数据，所以没法解决根本问题。

下面给你几个彻底解决的方案，按场景选就行：

方案1：读取Excel时直接格式化目标列 #

如果知道哪些列需要保留两位小数，用pd.read_excel的converters参数在读取阶段就处理：

import pandas as pd

# 定义格式化函数：保留两位小数，非数值列直接返回
def format_two_decimals(x):
    try:
        return round(float(x), 2)
    except (ValueError, TypeError):
        return x

# 读取时指定需要处理的列，比如['销售额', '成本']
df = pd.read_excel('你的数据.xlsx', converters={'销售额': format_two_decimals, '成本': format_two_decimals})

方案2：读取后批量处理所有数值列 #

不确定哪些列是数值列？可以读取后自动筛选数值类型列统一格式化：

import pandas as pd

df = pd.read_excel('你的数据.xlsx')
# 筛选所有浮点数、整数类型的列
numeric_columns = df.select_dtypes(include=['float64', 'int64']).columns
# 对这些列统一四舍五入保留两位小数
df[numeric_columns] = df[numeric_columns].round(2)

这个方法通用性强，不用手动列所有目标列。

方案3：解决浮点数精度误差（进阶场景） #

如果遇到极端情况——比如0.2实际存储为0.2000000000000001，导致df[df['列名'] == 0.2]过滤不到数据，这时候可以用Decimal类型来精准控制精度：

from decimal import Decimal, ROUND_HALF_UP
import pandas as pd

def precise_round(x):
    try:
        # 转成Decimal后按两位小数四舍五入
        return Decimal(str(x)).quantize(Decimal('0.00'), rounding=ROUND_HALF_UP)
    except (ValueError, TypeError):
        return x

df = pd.read_excel('你的数据.xlsx')
numeric_columns = df.select_dtypes(include=['float64', 'int64']).columns
df[numeric_columns] = df[numeric_columns].applymap(precise_round)

这种方法完全避免浮点数的精度丢失，适合对数据精度要求极高的场景。

最后一步：保存为UTF-8编码的CSV #

处理完数据后，记得用指定编码保存：

df.to_csv('处理后的数据.csv', encoding='utf-8', index=False)

内容的提问来源于stack exchange，提问作者Fatih Tüz