Pandas小数四舍五入失效求助：结果与预期不符

嘿，这个问题我之前也碰到过，核心原因其实是二进制浮点数的精度限制在搞鬼！你输入的0.0094909865这个十进制小数，根本没法在二进制浮点数系统里精确存储，实际存在内存里的是一个比它略小的值，这直接导致了四舍五入时的偏差。

具体来说是怎么回事？ #

计算机默认用float64（双精度浮点数）存小数，但很多十进制小数转成二进制后是无限循环的，只能存近似值。比如你输入的0.0094909865，实际存的是这个：

print(repr(0.0094909865))
# 输出：0.009490986499999999

看到没？这个值其实是0.009490986499999999，比你想要的0.0094909865小了一丢丢。当你调用round(9)时，是对这个近似值做四舍五入：第9位小数是6，后面跟着的是499...，不够触发进位的条件，结果自然就变成了0.009490986，而不是你预期的0.009490987。

不信的话你自己测测 #

不用Pandas，直接在Python里测单个浮点数的四舍五入，结果一模一样：

print(round(0.0094909865, 9))
# 输出：0.009490986

这说明问题不是Pandas的锅，是底层浮点数表示的固有特性，而0.20.3版本的Pandas直接用了这个底层逻辑。

那怎么得到你想要的结果？ #

如果需要精确的十进制四舍五入，得用Python的decimal模块，它专门处理精确的十进制运算：

from decimal import Decimal, ROUND_HALF_UP

num = Decimal('0.0094909865')
rounded_num = num.quantize(Decimal('0.000000001'), rounding=ROUND_HALF_UP)
print(rounded_num)
# 输出：0.009490987

在Pandas里，你也可以把数据转成Decimal类型再做四舍五入，就能避开浮点数的精度坑了。

内容的提问来源于stack exchange，提问作者Gayathri