Pandas merge操作出现浮点数舍入误差，如何避免修改原始数值

首先明确：Pandas的merge/concat等合并操作本身不会主动修改原始浮点数值，你看到的“截断”大概率是默认显示精度限制导致的视觉误差，少部分是合并时列数据类型自动转换引发的精度丢失。 #

排查显示误差 #

Pandas默认浮点显示精度为6位小数，超出部分会自动截断展示，但底层存储的数值没有变化，可通过以下方式查看完整数值确认：

• 查看当前显示精度设置：print(pd.get_option('display.precision'))
• 打印指定单元格的完整数值：print(merged_df.loc[行索引, 浮点列名])
  如果确认是显示问题，可修改全局显示精度展示完整小数：

pd.set_option('display.precision', 16)

实际精度丢失的解决方案 #

如果确认底层存储数值确实被修改，可通过以下方法处理：

1. 合并前统一浮点列数据类型 #

精度丢失大多是因为两个待合并DataFrame的对应浮点列类型不一致，比如一个为float32（仅支持6_{7位有效数字），另一个为`float64`（支持15}17位有效数字），合并时自动转换为低精度类型导致截断。合并前统一转为float64即可：

# 统一两个DataFrame的数值列类型为float64
df1['目标浮点列'] = df1['目标浮点列'].astype('float64')
df2['目标浮点列'] = df2['目标浮点列'].astype('float64')
# 执行合并操作
merged_df = pd.merge(df1, df2, on='关联列')

2. 合并时强制指定数据类型 #

concat场景下可通过dtype参数禁止pandas自动推断列类型，避免误转低精度：

merged_df = pd.concat(
    [df1, df2],
    axis=0,
    dtype={'目标浮点列': 'float64'}
)

3. 超高精度要求场景用Decimal类型 #

如果完全不允许浮点误差，可提前将数值转为Python内置的Decimal类型，合并操作不会修改该类型的精度：

from decimal import Decimal
# 列数据转Decimal类型
df1['数值列'] = df1['数值列'].apply(Decimal)
df2['数值列'] = df2['数值列'].apply(Decimal)
# 合并后精度完全保留
merged_df = pd.merge(df1, df2, on='关联列')

精度验证 #

合并后可直接对比原始值与合并后值确认无修改：

# 原始值为 0.0533903000132149
print(merged_df['数值列'].iloc[0] == 0.0533903000132149)
# 输出True则说明数值完全一致

内容的提问来源于stack exchange，提问作者doppelherz7