不同版本pandas的to_numpy方法出现显著舍入差异的疑问

• 该差异并未体现在to_numpy的接口文档中是正常情况，因为变动不属于to_numpy本身的功能调整，而是来自pandas底层数值处理逻辑的迭代，相关记录仅会出现在对应版本的发布日志中。
• 差异的核心触发原因：
  1. pandas 1.0.0版本正式上线扩展dtype体系后，浮点型DataFrame/Series的内部存储逻辑做了重构，to_numpy做类型转换的中间处理步骤与0.25.x版本完全不同，直接导致了小数末尾的舍入规则变化
  2. pandas 1.2.x版本修复了多个数值转换场景下的精度损失bug，其中就包含浮点数转numpy数组时的截断逻辑调整，这类底层修复不会单独更新到上层接口的文档里
• 额外的影响因素：两个版本to_numpy的默认返回dtype可能存在细微差异，未显式指定dtype参数时，会导致浮点数二进制表示的精度变化，投射到十进制展示上就是第10位及之后的小数位差异。

方案优化建议：在原有提前保留9位小数的基础上，调用to_numpy时显式指定dtype参数，例如df.to_numpy(dtype="float64")，可以彻底消除默认参数差异带来的影响。如果有数值一致性校验的需求，建议使用numpy.allclose这类带误差容忍的比较方法，不要直接做全等判断。

内容的提问来源于stack exchange，提问作者BptGrm