如何在python中截断浮点不精确

我正在写一个程序，比较和排列日期序列中的值很重要。然而，我遇到了浮动不精确的问题

我正在从我的SQL server中提取这些数据，它们都应该是1.6。然而，结果证明它们略有不同（见下文）。因此，当我使用dataframe.rank（）时，它不会将这两个日期视为相同的排名，而是将2004年2月1日的排名高于2005年2月1日

有人知道如何处理这件事，使这两个人最终成为同一个级别的人吗

modelInputData.loc['01/02/2004',('Level','inflationCore','EUR')]
Out[126]: 1.6000000000000003

modelInputData.loc['02/01/2005',('Level','inflationCore','EUR')]
Out[127]: 1.6000000000000001

---

可以对带有浮点数的列使用pd.Series.round（）

precision = 2
df['col'] = df['col'].round(decimals = precision)

---

请参阅：

我建议您像银行家一样使用美分和整数，而不是欧元/美元和浮动/十进制变量

在MySQL端将其转换为美分或在pandas中执行：

df['amount'] = round(df['amount']*100)

---

与Python文档相比，您在浮点问题和限制方面的问题要少得多：。听起来浮点不是正确的解决方案。如果计算需要任意精度，请使用小数，而不是浮点数：是的，我可能最终会这样做。谢谢decimal.decimal不支持转换熊猫数据帧/系列（或者任何类似列表的对象），很遗憾（或者至少我无法理解）。我将把整件事情乘以100，然后转换成整数。如果这些数字小于你选择的任何精度怎么办？当你这样做时，误差实际上保持不变，但奇怪的是，它们现在是一样的（1.6000000000000001）。但一般来说，舍入并不能解决不准确的问题，请在此处使用

round

；直接使用

int

可能会意外截断值。例如，

int（0.29*100）

->

28

@MarkDickinson，你完全正确，谢谢你指出这一点！我改变了答案