Python 输入输出浮点数问题

Python似乎对浮点数做了一些有趣的事情，它根据我给它的输入生成不同的浮点数，我希望浮点数与输入保持一致

这里我有一个小的测试数据集：

import pandas as pd

df = {'ID': ['H1','H2','H3','H4','H5','H6'],
      'Length': [72, 72, '', 72, 72,'' ],
      'AA1': ['C','C','C','C','C','C'],
      'AA2': ['W','W','W','W','W','W'],
       'Freq': [0.14532872, 0.141868512,0.138408304, 0.14532872,0.138408304, 0.138408304 ],
       'M':    [-282.0570386,-279.1090993,-276.16116,-282.0570386,-274.7748657,-274.6160337]}

df = pd.DataFrame(df)

它应该看起来像：

    df
  Out[2]: 
      AA1 AA2      Freq    ID     Length           M
   0   C   W  0.14532872   H1     72         -282.0570386
   1   C   W  0.141868512  H2     72         -279.1090993
   2   C   W  0.138408304  H3                -276.16116
   3   C   W  0.14532872   H4     72         -282.0570386
   4   C   W  0.138408304  H5     72         -274.7748657
   5   C   W  0.138408304  H6                -274.6160337

但实际上看起来是这样的，请注意'Freq'和'M'列中浮点数的差异：

df
Out[2]: 
     AA1 AA2      Freq     ID Length           M
  0   C   W     0.145329  H1     72     -282.057039
  1   C   W     0.141869  H2     72     -279.109099
  2   C   W     0.138408  H3            -276.161160
  3   C   W     0.145329  H4     72     -282.057039
  4   C   W     0.138408  H5     72      -274.774866
  5   C   W     0.138408  H6             -274.616034

当我运行脚本只是简单地过滤掉我不想要的行时：

import pandas as pd


df = pd.read_csv('test.txt', sep='\t' )

df2 = df[(df['Length'] != 0 ) & (df['AA1'] == 'C')& (df['AA2']== 'C')]

df2.to_csv('results.txt', sep = '\t', index=False)

“results.txt”文件包含与输入不同的奇怪浮点数，必须有一种方法将浮点数作为输入输出，但我无法在网上找到相关主题

浮动很奇怪：

从他们身上看到奇怪的行为并不罕见。如果您没有对它们进行任何计算，我建议先将它们转换为字符串，这样它们就会以您想要的格式存储

浮动很奇怪：

---

从他们身上看到奇怪的行为并不罕见。如果您没有对它们进行任何计算，我建议先将它们转换为字符串，这样它们就会以您想要的格式存储

它们是相同的数字，只是四舍五入。在文档中，它显示了

display下的默认显示位数为6。precision

它们是相同的数字，只是四舍五入。在文档中，它显示了

display下的默认显示位数为6。precision

这只是因为Pandas为要显示的小数位数设置了默认精度。将数值转换为字符串并不总是一个好主意：特别是，Pandas使用dtype

object

将字符串条目存储在数据帧中的NumPy数组中。这使得

数据帧的存储需求爆炸式增长（从每个双精度浮点项8字节到每个字符串项60字节以上），并且对大型数据帧的性能有重大影响。这仅仅是因为Pandas为要显示的小数位数设置了默认精度。将数值转换为字符串并不总是一个好主意：特别是，Pandas使用dtype
object
将字符串条目存储在数据帧中的NumPy数组中。这使得
数据帧的存储需求激增（从每个双精度浮点项8字节到每个字符串项60字节以上），并对大型数据帧的性能产生重大影响。