Python浮点数比较问题：pandas按CVSS分值分类赋值全为3如何解决

你遇到的问题和Python浮点数比较逻辑无关，是pandas列赋值逻辑错误导致的：你在循环中每次执行data["Class Number"] = xx时，都是直接给整个Class Number列的所有行统一赋值，循环结束时会以最后一行的score=7.8的判断结果为准，因此整列都被覆盖为3。

方案1：使用pandas的cut分箱（推荐，性能更高，无需循环） #

pd.cut是专门用来做区间分箱的方法，刚好匹配你的区间赋值需求：

import pandas as pd

data = pd.read_csv('tag_SA.txt', sep='|')
# 定义区间边界和对应赋值，right=False表示区间左闭右开，完全匹配你的规则
bins = [0, 6, 7.5, 10]
labels = [1, 2, 3]
data['Class Number'] = pd.cut(data['CVSS Score'], bins=bins, labels=labels, right=False)
# 若需要转为整数类型可加下面这句
data['Class Number'] = data['Class Number'].astype(int)

方案2：逐行循环赋值（匹配你原本的写法思路） #

如果要保留循环写法，需要按索引逐行赋值，不能直接覆盖整列：

import pandas as pd

data = pd.read_csv('tag_SA.txt', sep='|')
# 先初始化目标列
data['Class Number'] = 0
for idx, score in enumerate(data['CVSS Score']):
    if 0 <= score < 6:
        data.loc[idx, 'Class Number'] = 1
    elif 6 <= score < 7.5:
        data.loc[idx, 'Class Number'] = 2
    else:
        data.loc[idx, 'Class Number'] = 3

你当前场景下CVSS分数都是明确到小数点后1位的固定值，不会出现浮点精度误差问题。如果是其他存在浮点计算的场景，要注意浮点数的二进制存储可能存在精度偏差，比如计算得到的6.0可能实际存储为5.999999999999999或者6.000000000000001，这种情况可以用math.isclose做近似判断，避免逻辑错误。

内容的提问来源于stack exchange，提问作者gmorton