使用to_numeric转换字符串为float时丢失小数位该如何解决

这个非预期舍入问题通常由两类核心原因导致：

• Python内置float类型为双精度浮点数，本身存在精度上限，超长小数位的数值转换时会天然出现舍入误差
• pandas默认的浮点数显示配置会截断展示超长小数位，很多时候并非实际数据丢失，仅为界面展示时被隐藏

对应解决方法 #

场景1：仅显示异常、实际存储精度正常 #

先调整pandas全局显示配置，取消浮点数显示截断：

import pandas as pd
# 可根据你的实际小数位长度调整下方精度数值
pd.set_option('display.precision', 15)
# 重新查看转换后列，确认实际小数位是否完整
print(df['price_to_numeric'])

场景2：实际存储确实存在精度丢失 #

如果确认转换后数值真实被舍入，说明原始小数位长度超出了双精度浮点数的精度上限，此时不要转换为float类型，改用精度无损失的Decimal类型存储即可：

from decimal import Decimal
# 直接对原始price字符串列做转换，无需调用to_numeric
df['price_decimal'] = df['price'].apply(Decimal)

Decimal类型支持常规数值运算，全程不会出现精度丢失问题。

额外参数优化 #

如果一定要使用to_numeric方法转换，可指定downcast参数为None，避免自动向下类型压缩导致精度损失：

df['price_to_numeric'] = pd.to_numeric(df['price'], downcast=None)

内容的提问来源于stack exchange，提问作者Thibault Moi