Pandas合并CSV文件时如何按数值保留两位小数后匹配列完成合并

核心逻辑是合并前将两个DataFrame中用于匹配的数值列统一处理为保留两位小数，基于处理后的临时列完成匹配，不会修改原始列的数值。

方案1：四舍五入保留两位小数匹配（最常用） #

import pandas as pd

# 为两个DataFrame生成临时匹配列，四舍五入到两位小数
df1['X_match'] = df1['X1'].round(2)
df1['Y_match'] = df1['Y1'].round(2)

df2['X_match'] = df2['X2'].round(2)
df2['Y_match'] = df2['Y2'].round(2)

# 基于临时列完成合并
merged_df = pd.merge(df1, df2, on=['X_match', 'Y_match'])

# 删除不需要的临时匹配列
merged_df = merged_df.drop(columns=['X_match', 'Y_match'])

针对你给出的示例数据，处理后X列两位小数均为1.23、3.53，Y列均为2.27、5.63，可以正常匹配。

方案2：截断小数位匹配（直接忽略第三位及以后，不做四舍五入） #

如果不需要四舍五入，直接截断第三位及以后的小数位，可以用以下逻辑替换上述的round代码：

# 截断到两位小数
df1['X_match'] = (df1['X1'] * 100).astype(int) / 100
df1['Y_match'] = (df1['Y1'] * 100).astype(int) / 100

df2['X_match'] = (df2['X2'] * 100).astype(int) / 100
df2['Y_match'] = (df2['Y2'] * 100).astype(int) / 100

方案3：转字符串匹配（避免浮点精度误差） #

如果存在浮点精度导致的数值偏差问题，可以将处理后的数值转成固定两位小数的字符串再匹配，稳定性更高：

df1['X_match'] = df1['X1'].apply(lambda x: f"{x:.2f}")
df1['Y_match'] = df1['Y1'].apply(lambda x: f"{x:.2f}")

df2['X_match'] = df2['X2'].apply(lambda x: f"{x:.2f}")
df2['Y_match'] = df2['Y2'].apply(lambda x: f"{x:.2f}")

内容的提问来源于stack exchange，提问作者Naveh Elya