为什么熊猫数据帧（和Python）有一个奇怪的浮点精度十进制值赋值会影响舍入？

希望任何人都能帮助解释以下行为以及如何修复它

我有这样一个数据帧：

l = [[1, 50, 3, 4.003], [1, 50, 4, 5.002], [2, 10, 3, 5.003], [2, 50, 2, 5.004]]
df = pd.DataFrame(l, columns=["a", "b", "c","d"])

df # Output:
    a   b   c   d
0   1   50  3   4.003
1   1   50  4   5.002
2   2   10  3   5.003
3   2   50  2   5.004

现在，如果我对“d”列第1行和第2行进行简单求和，我应该期望得到

9.005

，对吗？ 错了，我得到的是

9.0049999999999

，我就是这样做的：

sum = df.loc[0]["d"] + df.loc[1]["d"]
sum # Output:
9.004999999999999

这会影响总和后四舍五入到小数点后2位的结果

我在互联网上做了一些研究，它可能与float64数据类型上使用的字节数有关，但有没有办法克服这个问题

顺便说一句，当我尝试使用常规python变量时，它会做同样的事情：

d0 = 4.003
d1 = 5.002

d0 + d1 # Output:
9.004999999999999

挑战在于，如果我需要将结果四舍五入到两位小数，我希望得到

9.01

而不是

9.0

round((d0 + d1), 2) # Output:
9.0  # It should have been 9.01

---

因此，当我们有数千条甚至数百万条记录时，我们必须在求和和和舍入之前确定哪些值存在点精度误差，以避免这个问题，这将是非常不切实际的，还有其他建议吗？

关于第二个示例：您需要使用

十进制

包来避免舍入错误并获得预期结果

from decimal import Decimal

d0 = Decimal('4.003')
d1 = Decimal('5.002')
print(d0 + d1)
print(round(d0 + d1, 2))

9.005
9.00

这篇论文可能会有帮助：

Kahan求和算法（以最小化舍入误差）也可能与此相关：

---

这是浮点精度错误。您可以添加一个小噪声以获得所需的输出：

round（d0+d1+1e-9，2）

。此外，可能与相关。谢谢@QuangHoang，我如何将其转换为数据帧和？

df['d'].rolling（2）.sum（）

df['d']+df['d'].shift（）。感谢您的帮助，但我不确定这是否是使用

滚动

功能时的预期输出，我的真实数据帧在“d”列中有数千条记录需要求和（按分组），我确实不时注意到，完全相同的输入在舍入后会抛出一个.01甚至.02，原因是这个浮点精度错误，我想我必须先确定哪些值有错误，然后求和。