Pandas .loc搭配isin筛选浮点数时无法匹配全部存在的目标值

匹配失效由浮点数精度误差导致。从PDF解析得到的存入DataFrame的16.9并非严格精确值，受浮点数二进制存储规则、PDF文本提取的数值解析精度影响，该位置实际存储值通常为类似16.899999999999985或16.900000000000002的近似值，和list_difference中硬编码的16.9内存值不完全相等。isin默认做严格等值匹配，因此会漏掉该行。

可执行以下代码验证实际存储值：

# 打印16.9对应行的Value真实存储值
print(repr(df_bank.loc[2, 'Value']))

浮点数场景禁止直接做精确等值匹配，改用带容差的匹配逻辑，两种常用方案适配发票金额比对场景：

前置兜底操作：匹配前建议先对Value列做类型转换，PDF提取过程中可能混入字符串格式的数值、带特殊符号的异常值，统一转成float类型可避免类型不匹配导致的匹配失效：

import pandas as pd
df_bank['Value'] = pd.to_numeric(df_bank['Value'], errors='coerce')

• 方案1：基于容差阈值做近邻匹配，适配所有浮点数比对场景。金额类场景设置1e-6的绝对误差即可覆盖绝大多数PDF提取带来的精度问题

import numpy as np
# 对Value列和待匹配列表做批量近邻判断，任意一个待匹配值和当前行值误差小于阈值即判定为命中
match_mask = np.isclose(df_bank['Value'].to_numpy()[:, None], list_difference, atol=1e-6).any(axis=1)
difference = df_bank.loc[match_mask]

• 方案2：统一精度后做精确匹配，逻辑更直观易维护。如果业务规则明确要求金额最多保留2位小数，可先将数值统一四舍五入到2位小数再调用isin匹配

difference = df_bank.loc[df_bank['Value'].round(2).isin(list_difference)]

内容的提问来源于stack exchange，提问作者João Pedro