对存放计算值的pandas DataFrame执行过滤操作失败问题求助

问题根因 #

核心是浮点数精度误差：np.arange(0.1, 1.0+0.01, 0.01)采用浮点步长累加生成序列，累计计算误差会导致序列中对应位置的数值并不是精确的0.2，而是类似0.2000000000000001或者0.1999999999999999这类和0.2非常接近的数值，isin()为精确匹配逻辑，自然无法匹配到对应行。

解决方法 #

方案1：近似匹配（无需修改原数据，推荐） #

用numpy.isclose()做近似匹配，只要数值和目标值的误差在可接受范围内就算匹配，过滤代码修改为：

combined_data_subset = combined_data[np.isclose(combined_data['F_sil_remaining'], 0.2)]

方案2：生成序列时规避浮点误差 #

生成F_sil_remaining时先用整数步长计算，再缩放为小数，避免浮点累加误差：

# 替换原生成F_sil_remaining的代码
F_sil_remaining = np.arange(10, 101, 1) / 100

修改后原有isin([0.2])的过滤代码即可正常生效。

验证方法 #

运行以下代码可以直接看到序列中对应位置的实际精度：

for idx, val in enumerate(F_sil_remaining[:20]):
    print(f"索引{idx}：值={val:.20f}")

运行后可观察到索引10位置（对应预期的0.2）的实际数值和0.2的差异。

内容的提问来源于stack exchange，提问作者Matt