Python 为什么Pandas/Numpy会自动将99999999取整为100000e+；10?

我有一个熊猫数据框，有4行，其中一列（名为

limit

）包含浮点值，其中任何零都必须替换为9999999999（999999999亿）。该列被设置为

float32

数据类型，我使用

pandas.DataFrame.where

方法进行替换。但它并没有像预期的那样起作用，因为Numpy正在将999999999凑到1000000000（100亿）

我在iPython3（Python3.6.8）、Pandas版本0.24.2、Numpy版本1.14.0中尝试过这一点

这是替换声明

df['limit'] = df['limit'].where(df['limit'] != 0, 9999999999)

我看到了

限制的以下列值：

0    1.000000e+10
1    1.000000e+10
2    1.000000e+10
3    1.000000e+10

但我期待着

0    9999999999.0
1    9999999999.0
2    9999999999.0
3    9999999999.0

为什么会发生这种情况？普通Python不会出现这种情况

In [1]: (9.999999999) * 10**9                                                                                                    
Out[1]: 9999999999.0

这仅仅是因为
int32
无法保留该数字。您可以通过计算演示该数字所需的位数来检查这一点：

In [24]: np.floor(np.log2(9999999999)) + 1
Out[24]: 34.0

如您所见，您至少需要34位来演示该数字。因此，您应该使用
int64
作为更大的数据类型来表示它

即使通过将数字放入具有相同数据类型的序列中进行测试，也会再次看到意外结果（溢出）：

闻起来像是浮点问题，请参见，但具有适当Pandas/NumPy知识的人应予以确认。32位浮点数不够精确，无法准确表示该数字。这不是Pandas、NumPy或Python的问题，而是（）中的一个限制。我认为他们实际上想要使用float32，因为它不能精确地保存该数字，因此“舍入”。
In [25]: s = pd.Series([9999999999], dtype=pd.np.int32)

In [26]: s
Out[26]: 
0    1410065407
dtype: int32