Python中如何比较两个DataFrame的列值？相同浮点数判定为False该怎么解决

问题产生原因 #

你遇到的是典型的浮点数精度存储误差问题。十进制小数31.32转换为二进制存储时会出现无限循环，Python底层存储时会自动截断尾数位，导致两个表面看起来数值完全一致的浮点数，实际存储的二进制值存在非常微小的差异，直接用==做精确相等判断时就会返回False。

解决办法 #

不要用==做浮点数的相等判断，改用支持误差容限的比对逻辑即可，常用两种实现方案：

1. 用numpy内置的np.isclose方法做近似相等判断，默认容差为1e-09，完全满足常规业务的小数比对需求，代码修改如下：

reported_claims['Check'] =  np.where(
    np.isclose(
        reported_claims['Total Claims'].reset_index(drop=True), 
        df['Total Claims'].reset_index(drop=True)
    ), 'TRUE', 'FALSE')

2. 如果要求严格比对保留两位小数后的结果，可以先对两个列做统一的四舍五入后再判断相等：

s1 = reported_claims['Total Claims'].reset_index(drop=True).round(2)
s2 = df['Total Claims'].reset_index(drop=True).round(2)
reported_claims['Check'] = np.where(s1 == s2, 'TRUE', 'FALSE')

另外注意：使用reset_index(drop=True)的前提是两个DataFrame的行顺序完全对应，否则会出现行比对错位的问题。

内容的提问来源于stack exchange，提问作者newt335