使用np.trunc截断Pandas数据框小数位时出现异常舍入问题求助

出现这种异常是浮点数精度误差导致的：十进制小数（比如0.87、59.307）无法被二进制浮点数精确存储，实际存储值会有微小偏差——比如0.87可能存成0.8699999999999999，59.307存成59.306999999999996。当你执行np.trunc(df['QuantityReq']*1000)/1000时，这些偏差会被放大：0.8699999999999999×1000=869.9999999999999，np.trunc直接截断小数部分得到869，最终除以1000就是0.869，和预期不符。

解决方案 #

1. 用decimal模块精确处理（最可靠）

通过decimal模块直接以十进制逻辑运算，从根源避免二进制浮点数的精度损失：

from decimal import Decimal, ROUND_DOWN

def truncate_to_three(x):
    # 先转字符串再初始化Decimal，避免浮点数转Decimal时的精度丢失
    return Decimal(str(x)).quantize(Decimal('0.000'), rounding=ROUND_DOWN)

df['Test'] = df['QuantityReq'].apply(truncate_to_three).astype(float)

2. 加极小偏移量修正（简便快速）

针对浮点数的微小负偏差，给原数值加一个极小的正数（比如1e-10），再执行截断操作：

import numpy as np

df['Test'] = np.trunc((df['QuantityReq'] + 1e-10) * 1000) / 1000

注意：偏移量要足够小（不能超过0.0005），避免影响真正需要截断的小数部分。

3. 字符串格式化截断（适合简单场景）

通过字符串截取实现截断，注意处理整数和科学计数法的情况：

def truncate_str(x):
    # 处理科学计数法
    if 'e' in str(x).lower():
        x = float(f"{x:.10f}")
    parts = str(x).split('.')
    if len(parts) == 1:
        return float(f"{parts[0]}.000")
    else:
        # 截取前3位小数，不足补0
        decimal_part = parts[1][:3].ljust(3, '0')
        return float(f"{parts[0]}.{decimal_part}")

df['Test'] = df['QuantityReq'].apply(truncate_str)

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