Python 设置数据类型为decimal的dataframe列的十进制精度

我有一个有两列的熊猫数据框，第1列有文本，第2列有十进制值

钥匙 价值 A. 1.2089 B 5.6718 B 7.3084

---

这可以通过更改浮点的打印选项来修改，但是它将修改每个浮点数据类型的打印方式

pd.set_option('display.float_format', '{:.10f}'.format)

请记住，这只是它的打印方式。该值存储在数据框中，每个小数点都有一个

另一方面，您可以通过以下方式限制小数：

df.Value = df.Value.round(4)

但这将取决于第五位小数。最后一种选择是使用

np.ceil

或

np.floor

，但由于这不支持小数，因此需要使用乘法和除法：

precision = 4
df['Value_ceil'] = np.ceil(df.Value * 10**precision) / (10**precision)
df['Value_floor'] = np.floor(df.Value * 10**precision) / (10**precision)

---

修复了这个问题，似乎与十进制如何从浮点转换为十进制有关。将Values列设置为数据类型string，然后将其转换为Decimal，得到了我想要的结果

def get_df(table_filepath):
    df = pd.read_csv(table_filepath)
    df['Value'] = df['Value'].apply(str) 
    df['Value'] = df['Value'].apply(Decimal)

钥匙 价值 A. 1.2089 B 5.6718 B 7.3084

---

.round函数不起作用，它给出了一个错误类型error:*：“decimal.decimal”和“float”的操作数类型不受支持。为了澄清，Value列已被设置为名为的数据类型，并且不是python中用于表示小数的默认浮点类型。不要将数据类型转换为十进制，将ti保留为float from

read\u csv

我必须使用Decimal，因为使用浮点的精度不足将导致以后的问题（比如在比较x=b的值时）可能有一种直接使用十进制的方法，但我不知道答案。在这种情况下，我会修改浮点，然后将其转换为十进制。