Python序列化float至CSV后以np.float64读取是否会丢失精度？

好问题！咱们一步步拆解来看：

首先明确几个核心底层细节：

• Python里的float本质就是IEEE 754双精度浮点数，和NumPy的np.float64是完全相同的底层存储格式，两者的精度范围完全一致。
• 当你用csv.writerow()写入float时，默认会调用Python的str()函数把浮点数转成字符串。而Python的str(float)会输出15-17位有效数字——这个长度刚好能唯一确定对应的双精度浮点数，也就是说，生成的字符串包含了恢复原浮点数所需的全部精确信息。

回到你的例子：some_float = 3 / 5，这个值是0.6，属于十进制有限小数，用双精度浮点数可以精确表示。写入CSV时会被转成字符串"0.6"，Pandas读取时把这个字符串转回np.float64，得到的结果和原some_float完全一致，没有任何精度损失。

那如果是像0.1这种无法用二进制浮点数精确表示的数值呢？比如some_float = 0.1，实际存储的是一个近似的双精度值。这时候csv.writerow()写入的字符串会是"0.1"吗？其实Python为了可读性，会输出最短的十进制字符串，而这个字符串转成双精度浮点数时，会精确回到原来的近似值。也就是说，即使是这种近似值，只要CSV里的字符串是Python默认生成的，Pandas读取后也能精确恢复原浮点数的二进制表示，不会引入额外的精度损失。

⚠️ 但要注意一个例外：如果你手动修改了CSV的写入格式（比如用format()限制小数位数为"%.2f"），那写入的字符串就丢失了原浮点数的精确信息，这时候读取回来肯定会有精度损失。但默认情况下，csv模块的行为是安全的。

总结一下：

• 默认使用csv.writerow()写入Python float，再用pandas.read_csv()读取为np.float64，可以保证读取到的浮点值与写入的完全一致，不会有精度损失。
• 前提是你没有手动修改浮点数的序列化格式（比如截断小数位）。

内容的提问来源于stack exchange，提问作者James Ko