Desarrollo de Python
  1. Desarrollo de Python
  3. Las pandas leen un archivo csv con valores de coma flotante que produce un redondeo extraño y dígitos decimales
Intereting Posts
En números, ¿cómo listar eficientemente todas las submatrices de tamaño fijo? ¿Cómo mido el tiempo de ejecución de las pruebas unitarias de python con pruebas de detección? ¿Cómo borrar un registro en los modelos Django? Error al usar cv2.findContours (), con python Django: Iterar sobre un conjunto de consultas sin caché Cifrado de César usando python, podría usar un poco de ayuda Haciendo clic en un enlace vía selenium. Numpy: agrega un vector a la columna matricial Usando la cola en python ¿Por qué el módulo de multiprocesamiento de Python importa __main__ cuando se inicia un nuevo proceso en Windows? Matplotlib: dibuje un área de selección con la forma de un rectángulo con el mouse Convertir un RDD complejo en un RDD plano con PySpark Rendimiento del inserto con python y sqlite3. Python ElementTree espacio de nombres por defecto? ¿Cómo puedo verificar si una fecha es el mismo día que datetime.today ()?

Las pandas leen un archivo csv con valores de coma flotante que produce un redondeo extraño y dígitos decimales

Tengo un archivo csv que contiene valores numéricos como 1524.449677 . Siempre hay exactamente 6 decimales.

Cuando importo el archivo csv (y otras columnas) a través de pandas read_csv , la columna obtiene automáticamente el object tipo de datos. Mi problema es que los valores se muestran como 2470.6911370000003 que en realidad debería ser 2470.691137 . O el valor 2484.30691 se muestra como 2484.3069100000002 .

Esto parece ser un problema de tipo de datos de alguna manera. Traté de proporcionar explícitamente el tipo de datos al importar a través de read_csv dando el argumento dtype como {'columnname': np.float64} . Aún así el problema no desapareció.

¿Cómo puedo obtener los valores importados y mostrarlos exactamente como están en el archivo csv de origen?

Pandas usa un convertidor dedicado de dec 2 bin decs que compromete la precisión en lugar de la velocidad.

Pasar float_precision='round_trip' a read_csv corrige esto.

Echa un vistazo a esta página para más detalles sobre esto.

Después de procesar sus datos, si desea guardarlos nuevamente en un archivo csv , puede pasar
float_format = "%.nf" al método correspondiente.

Un ejemplo completo: 

 import pandas as pd df_in = pd.read_csv(source_file, float_precision='round_trip') df_out = ... # some processing of df_in df_out.to_csv(target_file, float_format="%.3f") # for 3 decimal places