Python isin（）返回不同的结果作为eq（）-浮动数据类型依赖项问题

pandas的方法似乎具有数据类型依赖性（使用Python3.5和pandas 0.19.2）。我只是在一个相关的网站上偶然发现了这个问题，我们无法解释isin的非工作行为。以下是一个例子：

df = pd.DataFrame([[1.2, 0.3, 1.5, 1.4, 1.7, 4.2]])
print(df)

    0       1       2       3       4       5
0   1.2     0.3     1.5     1.4     1.7     4.2

print(df.dtypes)
0    float64
1    float64
2    float64
3    float64
4    float64
5    float64
dtype: object

# everything works as expected until here
print(df.isin([1.2, 1.4]))

      0      1      2     3      4      5
0  True  False  False  True  False  False

但是，当数据类型被强制转换为

float32

时，isin开始失败：

df = df.apply(lambda x: x.astype("float32"))
print(df.dtypes)

0    float32
1    float32
2    float32
3    float32
4    float32
5    float32
dtype: object

print(df.isin([1.2, 1.4]))
       0      1      2      3      4      5
0  False  False  False  False  False  False

这里有一个类似的例子

编辑 我理解浮点运算的复杂性。然而，从希望使用

isin

作为

col1==1 | col1==3 | col1==5

（简单地写

col1.isin（[1,3,5]）

）的方便函数的用户的角度来看，当数据类型不同并且没有给出关于数据类型偏差的警告时，它可能会导致无法识别的错误

更重要的是，

isin

与

df.eq

相比返回不同的结果：

print(df.isin([1.2]))

       0      1      2      3      4      5
0  False  False  False  False  False  False

print(df.eq(1.2))

      0      1      2      3      4      5
0  True  False  False  False  False  False

---

这绝对是一种不受欢迎的行为。正如所指出的那样，

df.eq

似乎使用了np.isclose，而

df.isin

则没有使用。

#try this:
import numpy as np
df = df.apply(lambda x: x.astype(np.float32))
test=[1.2,1.4]
test=test.apply(lambda x: x.astype(np.float32))
df.isin(test)

>>> '%20.18f' % df[0].astype(np.float64)
'1.199999999999999956'

>>> '%20.18f' % df[0].astype(np.float32)
'1.200000047683715820'

一般来说，你不希望看到18位小数，这样熊猫们就可以合理地选择显示多少位小数了——但差别仍然存在，尽管看不见。因此，您需要确保比较float64和float64，以及float32和float32。这就是我们为自己选择的浮点生活

或者，如果一次比较一个值，可以使用

np.isclose

（在

import numpy as np

之后）来确定近似相等：

>>> np.isclose( df.astype(np.float64), 1.2 )
array([[ True, False, False, False, False, False]], dtype=bool)

>>> np.isclose( df.astype(np.float32), 1.2 )
array([[ True, False, False, False, False, False]], dtype=bool)

（当然，您不需要使用

astype（）

，这只是为了证明对于float32和float64都可以得到相同的答案。）

我不知道是否有办法使

isin

以类似的方式工作，因此您可能需要执行以下操作：

>>> np.isclose( df, 1.2 ) | np.isclose( df, 1.4 )
array([[ True, False, False,  True, False, False]], dtype=bool)

---

试试这个：

打印（1.1+.1==1.2）

；-）好的，很好的例子，它似乎与isin无关，而是与浮点数的存储方式有关？尽管如此，在使用isin时，您可能会在没有注意到的情况下遇到错误的结果。这就是浮点数比较“起作用”（或不起作用）…是的。我同意@MaxU的说法，这是“正常工作”的。类似于：虽然您可能已经解决了该用户的问题，但仅使用代码的答案对将来遇到此问题的用户没有多大帮助。请编辑您的答案，解释您的代码解决原始问题的原因。