如何避免Pandas保存与加载CSV文件时引入舍入误差？

你遇到的核心问题是：CSV作为文本格式，默认存储浮点数时会截断小数位，导致读取后与原数值产生微小差异。以下是几种可行的解决方法，可根据你的需求选择：

1. 直接指定高精度格式保存（最简单方案） #

无需修改数据类型，只需在to_csv时通过float_format参数设置足够高的精度，确保能完整还原64位浮点数。%.17g是刚好能完整表示所有64位浮点数的格式：

import numpy as np
import pandas as pd

x = 10000 * np.pi

df = pd.DataFrame({"test": [x]})

# 指定高精度格式保存CSV
df.to_csv("pd_test.csv", float_format="%.17g")

other_df = pd.read_csv("pd_test.csv")

print(df["test"][0], other_df["test"][0])
print(df["test"][0] - other_df["test"][0])

运行后差值会变为0，实现读写数值完全一致。

2. 使用Decimal类型实现绝对精确存储 #

如果需要严格保证数值零误差，可以将数据转为decimal.Decimal类型，保存时以字符串形式写入CSV，读取后再转回Decimal：

import numpy as np
import pandas as pd
from decimal import Decimal

# 先将浮点数值转为字符串再转Decimal，避免转换过程中的误差
x = Decimal(str(10000 * np.pi))

df = pd.DataFrame({"test": [x]})

# 直接以字符串形式保存
df.to_csv("pd_test.csv", index=False)

# 读取时先以object类型加载，再转回Decimal
other_df = pd.read_csv("pd_test.csv", dtype={"test": object})
other_df["test"] = other_df["test"].apply(Decimal)

print(df["test"][0], other_df["test"][0])
print(df["test"][0] - other_df["test"][0])

这种方式能完全避免读写误差，但Decimal类型的计算效率低于numpy浮点数，适合对精度要求极高的场景。

3. 使用更高精度的浮点类型（兼容性需注意） #

部分平台支持np.float128类型，其精度远高于默认的float64，配合高精度保存格式，能大幅降低读写误差：

import numpy as np
import pandas as pd

# 使用float128存储
x = np.float128(10000 * np.pi)

df = pd.DataFrame({"test": [x]})

# 对应更高精度的保存格式
df.to_csv("pd_test.csv", float_format="%.20g")

# 读取时指定float128类型
other_df = pd.read_csv("pd_test.csv", dtype={"test": np.float128})

print(df["test"][0], other_df["test"][0])
print(df["test"][0] - other_df["test"][0])

注意：float128并非所有环境都支持（比如Windows系统通常不支持），需根据运行环境判断是否可用。

内容的提问来源于stack exchange，提问作者Omroth