使用Pandas读取CSV时浮点数出现多余尾数位的问题求助

使用pd.read_csv读取CSV文件时，指定dtype={'col1': str, 'column_with_trash': float}，但DataFrame中column_with_trash列出现原文件没有的多余小数位。未执行运算时导出的1.xlsx中，该列值与1524684.3740493相减得到0.0000000779982656240463；执行减法运算后导出的2.xlsx结果一致。尝试设置float_precision为"high"、"round_trip"及None，也用了df['column_with_trash'].round(9)，都没解决9位小数处的精度问题，影响计算结果。

代码示例：

df = pd.read_csv(f'{name}.csv', sep=',', decimal='.', dtype={'col1': str, 'column_with_trash': float})

df[df['col1'] == '0001'].to_excel('1.xlsx')
df['column_with_trash'] = df['column_with_trash'] - 1524684.3740493
df[df['col1'] == '0001'].to_excel('2.xlsx')

原CSV内容：

col1,col2,col3,col4,col5,col6,column_with_trash
0001,TP,2021-12-31,T,N,2130875.40078,1524684.374049378

• 用Decimal类型替代float读取：Python的decimal.Decimal可精确表示十进制小数，彻底避免浮点数精度丢失。读取时先以字符串读取目标列，再转换为Decimal类型：

  from decimal import Decimal
  
  df = pd.read_csv(f'{name}.csv', sep=',', dtype={'col1': str, 'column_with_trash': str})
  df['column_with_trash'] = df['column_with_trash'].apply(Decimal)
  

  后续运算直接使用Decimal计算，精度完全匹配CSV中的原始值。

• 使用更高精度的浮点类型：若坚持使用浮点类型，可尝试将列指定为numpy.float128（支持更高精度，注意部分平台可能不兼容）：

  import numpy as np
  
  df = pd.read_csv(f'{name}.csv', sep=',', decimal='.', dtype={'col1': str, 'column_with_trash': np.float128})
  

• 导出Excel时强制设置数值格式：即使DataFrame内部存在微小精度误差，可在导出时为目标列指定固定小数位数，避免显示多余误差：

  from openpyxl.styles import numbers
  
  with pd.ExcelWriter('1.xlsx') as writer:
      target_df = df[df['col1'] == '0001']
      target_df.to_excel(writer, index=False)
      worksheet = writer.sheets['Sheet1']
      # 假设column_with_trash是第7列（G列），设置为9位小数格式
      worksheet.column_dimensions['G'].number_format = '0.000000000'
  

• 字符串拆分运算（极端场景）：如果仅需针对特定值做减法，可提取字符串中的数值部分，拆分整数和小数段后计算，再拼接结果，完全规避浮点数问题。

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