24位数字字符串转numpy float64出现表示错误，寻求可存储该大数的numpy数值类型

兄弟，你碰到的这个问题完全是浮点数的精度限制在搞鬼！先给你把原因说透：float64（也就是双精度浮点数）最多只能精确表示53位以内的二进制整数，换算成十进制的话，大概是16位左右的整数能完全精确对应。你的24位十进制数，转换成二进制的话大概有80位左右，远远超过了53位的精确范围，所以转成float64后必然会丢失精度，输出结果和原数不一样是板上钉钉的事儿。

那numpy里有没有能装下这个大数的数值类型？当然有，给你几个适配你场景的靠谱选择：

• np.int128 / np.uint128：这绝对是最适合你的方案。128位整数的范围大得离谱，np.int128的最大正整数大概是1.7e38，完全能轻松容纳你的24位十进制数（1e24级别）。而且这是numpy的原生数值类型，运算效率拉满，还支持精确的相等判断——刚好完美契合你用这个ID做join、merge的核心需求，完全不需要搞什么ID映射，不会平白增加系统复杂度。如果你的ID全是正整数，用np.uint128（无符号128位整数）更合适，范围还能再翻一倍，安全性更高。
• np.object_类型存Python int：Python的int本身是任意精度的，你可以把这个ID列的dtype设为np.object_，直接存Python的整数对象，这样也能精确表示原数。但缺点也很明显：numpy对object类型的运算、操作效率会比原生数值类型低不少，如果你处理的数据量很大，可能会拖慢程序速度。

另外给你提个实操小建议：从Postgres读取数据到pandas的时候，直接指定这个ID列的dtype为np.int128（或者对应的无符号类型），这样读进来的DataFrame列就是精确的数值类型，后续的merge操作和用普通整数列完全一样，不会有任何幺蛾子。

备注：内容来源于stack exchange，提问作者dgn