Python如何爲float/double工作？

Question

我知道使用==來浮動一般是不安全的。但它是否適用於以下情況？

1. 從csv文件中讀取A.csv，將前半部分的數據保存到csv文件B.csv中，而不做任何事情。
2. 從A.csv和B.csv中讀取。使用==來檢查數據是否在上半年到處匹配。

這些都是用大熊貓完成的。 A.csv中的列具有datetime，string和float類型。顯然==適用於日期時間和字符串，所以如果==也適用於float，在這種情況下，它可以節省很多工作。

它似乎在爲我所有的測試工作，但我可以認爲它會一直工作嗎？

Answer 1

當通過相同的分析例程時，相同的字符串表示形式將成爲相同的浮點表示形式。當對數值執行數學運算或者使用高精度表示時，浮點不準確性問題會發生，但是在低精度值上的相等性是沒有理由擔心的。

Answer 2

不，你不能認爲這會一直工作。

爲了達到這個目的，您需要知道熊貓在寫入CSV文件時寫出的文本值在讀回時（再次使用熊貓）會恢復完全相同的值。但默認情況下，Pandas函數會犧牲速度的準確性，所以解析操作而不是會自動恢復相同的浮點數。

爲了演示這一點，請嘗試以下操作：我們將創建一些隨機值，將它們寫入CSV文件並重新讀入，全部使用Pandas。首先，有必要進口：

>>> import pandas as pd 
>>> import numpy as np 

現在創建一些隨機值，並把它們變成一個熊貓Series對象：

>>> test_values = np.random.rand(10000) 
>>> s = pd.Series(test_values, name='test_values') 

現在我們用to_csv方法寫入這些值到一個文件，並然後閱讀文件的內容返回到一個DataFrame：

>>> s.to_csv('test.csv', header=True) 
>>> df = pd.read_csv('test.csv') 

最後，讓我們從相關提取值列df並進行比較。我們將對==操作的結果進行求和，以確定有多少個10000輸入值被準確恢復。

>>> sum(test_values == df['test_values']) 
7808 

所以大約78％的數值被正確地恢復了;其他人不是。

此行爲被認爲是熊貓的一項功能，而不是一個錯誤。但是，有一個解決方法：Pandas 0.15爲CSV閱讀器添加了一個新的參數float_precision。通過將float_precision='round_trip'提供給read_csv操作，Pandas使用更慢但更準確的解析器。試着對上面的例子，我們得到的值完美恢復：

>>> df = pd.read_csv('test.csv', float_precision='round_trip') 
>>> sum(test_values == df['test_values']) 
10000 

這是第二個例子，在另一個方向。前面的例子表明寫入然後讀取不會返回相同的數據。這個例子表明閱讀然後寫作也不保存數據。該設置與您在問題中描述的設置緊密匹配。首先，我們將使用規則間隔值，而不是隨機的人創造A.csv，此時：

>>> import pandas as pd, numpy as np 
>>> s = pd.Series(np.arange(10**4)/1e3, name='test_values') 
>>> s.to_csv('A.csv', header=True) 

現在我們讀到A.csv，並背出再次寫入數據的上半年B.csv，在你的第1步。

>>> recovered_s = pd.read_csv('A.csv').test_values 
>>> recovered_s[:5000].to_csv('B.csv', header=True) 

然後，我們在這兩個A.csv和B.csv閱讀，和A上半年B比較，因爲在你的第2步

>>> a = pd.read_csv('A.csv').test_values 
>>> b = pd.read_csv('B.csv').test_values 
>>> (a[:5000] == b).all() 
False 
>>> (a[:5000] == b).sum() 
4251 

再次，幾個值不能正確比較。打開文件，A.csv看起來非常符合我的預期。這裏是前15項中A.csv：

,test_values 
0,0.0 
1,0.001 
2,0.002 
3,0.003 
4,0.004 
5,0.005 
6,0.006 
7,0.007 
8,0.008 
9,0.009 
10,0.01 
11,0.011 
12,0.012 
13,0.013 
14,0.014 
15,0.015 

這裏有相應的條目B.csv：

,test_values 
0,0.0 
1,0.001 
2,0.002 
3,0.003 
4,0.004 
5,0.005 
6,0.006 
7,0.006999999999999999 
8,0.008 
9,0.009000000000000001 
10,0.01 
11,0.011000000000000001 
12,0.012 
13,0.013000000000000001 
14,0.013999999999999999 
15,0.015 

對引進float_precision關鍵字來read_csv更多信息，請參閱本bug report。