Pandas处理CSV时8.1e-202精度异常，其他浮点值正常的原因及修正

我在使用Pandas读取CSV生成DataFrame、计算后再导出到新CSV的过程中，发现一个奇怪的现象：数值8.1e-202被自动修改为8.1000000000000005e-202，但其他类似的科学计数法数值都能正常保留。

示例复现 #

示例文件example.csv内容：

id,e-value
ID1,1e-20
ID2,8.1e-202
ID3,9.24e-203

执行代码：

import pandas as pd
df = pd.read_csv("example.csv")
df.iloc[1]["e-value"]
>>> 8.1000000000000005e-202

df.iloc[2]["e-value"]
>>> 9.24e-203

为什么只有8.1e-202出现这种“篡改”，而9.24e-203却能正常显示？

尝试的解决方案（无效） #

1. 查看默认数据类型：

df["e-value"].dtype
>>> dtype('float64')

2. 尝试改用numpy的longdouble类型读取：

import numpy as np
df = pd.read_csv("./temp/test", dtype={"e-value" : np.longdouble})

结果依然异常：

df.iloc[1]["e-value"]
>>> 8.100000000000000522e-202

我测试了大于或小于8.1e-202的多个数值，都没有出现这个问题，求解释原因？

编辑补充：
我明白浮点数本身存在精度缺陷，但现在的核心需求是：将DataFrame写回CSV后，第二行要显示为ID2,8.1e-202，而不是带多余小数位的数值。我尝试过格式化列的方法，但这个方案会把原本正常的其他浮点数也强制转为科学计数法，不符合预期：

def format_eval(e):
    return "{0:.1e}".format(e)

df["e-value"] = df["e-value"].apply(lambda x: format_eval(x))

内容的提问来源于stack exchange，提问作者langness