Python 浮点比较不'；我不能以百万美元产出预期的产量

我得到了以下转换为dataframe的numpy数组：

data =np.array([('210', 0.5316666570181647, 0.99102639737063),
                ('215', 0.5541666565152505, 0.9906073078204338),
                ('220', 0.5658333229211469, 0.9905192216775841),
                ('225', 0.6158333218035598, 0.9893290692391012),
                ('230', 0.10499999988824131, 0.9999143781512333),
                ('235', 0.061666665288309254, 0.9999999088637485),
                ('240', 0.061666665288309254, 0.9999999088637485),
                ('245', 0.061666665288309254, 0.9999999088637485)], 
                dtype=[('index', '|O'), ('time', '<f8'), ('min_value', 
                '<f8')])

df = pd.DataFrame(data)

data=np.array（[（'210'，0.5316666570181647,0.99102639737063），
('215', 0.5541666565152505, 0.9906073078204338),
('220', 0.5658333229211469, 0.9905192216775841),
('225', 0.6158333218035598, 0.9893290692391012),
('230', 0.10499999988824131, 0.9999143781512333),
('235', 0.061666665288309254, 0.9999999088637485),
('240', 0.061666665288309254, 0.9999999088637485),
('245', 0.061666665288309254, 0.9999999088637485)], 
dtype=[（'index'，'O'），（'time'，'查看您的数据后，很明显，造成混淆的原因是浮点数的显示方式。
min\u value
中的每个值都小于1，但在显示时，其中一些值会四舍五入：

In [1131]: df
Out[1131]: 
  index      time  min_value
0   210  0.531667   0.991026
1   215  0.554167   0.990607
2   220  0.565833   0.990519
3   225  0.615833   0.989329
4   230  0.105000   0.999914
5   235  0.061667   1.000000
6   240  0.061667   1.000000
7   245  0.061667   1.000000

但是
df.min_value<1
注册为所有值都小于1，因为您处理的是实际值，而不是打印的值

In [1133]: df.min_value < 1
Out[1133]: 
0    True
1    True
2    True
3    True
4    True
5    True
6    True
7    True
Name: min_value, dtype: bool

这样，对取整后的数据应用过滤器，但不对实际数据进行任何更改/修改。
很抱歉，这是错误的。我再次编辑帖子（minf[minf.min_value<1]）@SamirAlhejaj数据框中的所有内容都小于1。您希望得到什么？查询方法也不起作用，它会以1.0的值显示行！@SamirAlhejaj您需要了解的是，数据框中的所有内容都小于1。例如，
0.999999988637485
在显示时四舍五入为
1.0
，但它是仍然小于1。谢谢，那么我如何以实际值（不是近似值）显示这些数字呢并删除具有最大值的行。这是我的公式。修复了设置期望值的标题。@Georgy和Azat Ibrakov，这不是打字错误。如果这是由于对浮点数学缺乏理解。请在进行密切投票前正确阅读问题，仅供参考（不是诽谤，仅供参考）这个问题也没有理由对答案投反对票，谢谢。
In [1133]: df.min_value < 1
Out[1133]: 
0    True
1    True
2    True
3    True
4    True
5    True
6    True
7    True
Name: min_value, dtype: bool

In [1136]: df[np.around(df.min_value, 5) < 1]
Out[1136]: 
  index      time  min_value
0   210  0.531667   0.991026
1   215  0.554167   0.990607
2   220  0.565833   0.990519
3   225  0.615833   0.989329
4   230  0.105000   0.999914