将float指定为字典键会改变其精度(Python)

Question

我有一个浮动列表(实际上它是一个pandas Series对象,如果它改变了什么),它看起来像这样:

mySeries:

...
22      16.0
23      14.0
24      12.0
25      10.0
26       3.1
...

(因此,本系列的元素位于右侧,左侧是索引.)然后,我尝试将此系列中的元素指定为字典中的键,将索引指定为值,如下所示:

{ mySeries[i]: i for i in mySeries.index }

而且我得到了我想要的东西,除了......

{ 6400.0: 0, 66.0: 13, 3.1000000000000001: 23, 133.0: 10, ... }

为什么3.1突然变成了3.1000000000000001？我想这与浮点数的表示方式有关(？),但为什么现在会发生,我该如何避免/修复呢？

编辑:如果这个问题不准确,请随时为这个问题建议一个更好的标题.

编辑2:好的,所以它似乎是完全相同的数字,只是印刷方式不同.仍然,如果我指定mySeries[26]为字典键,然后我尝试运行:

myDict[mySeries[26]]

我得到KeyError.什么是避免它的最佳方法？

Answer 1

该值在该系列中已经是这样的：

>>> x = pd.Series([16,14,12,10,3.1])
>>> x
0    16.0
1    14.0
2    12.0
3    10.0
4     3.1
dtype: float64
>>> x.iloc[4]
3.1000000000000001

这与浮点精度有关：

>>> np.float64(3.1)
3.1000000000000001

有关详细信息，请参阅Python 数组中的浮点精度。

关于KeyError您的编辑，我无法重现。请参阅以下内容：

>>> d = {x[i]:i for i in x.index}
>>> d
{16.0: 0, 10.0: 3, 12.0: 2, 14.0: 1, 3.1000000000000001: 4}
>>> x[4]
3.1000000000000001
>>> d[x[4]]
4

我的怀疑是KeyError来自Series：返回的是什么mySeries[26]？

Answer 2

字典不会改变3.1的浮点表示,但它实际上显示了完整的精度.你的mySeries [26]的打印正在截断精度并显示近似值.

你可以证明这一点:

pd.set_option('precision', 20)

然后查看mySeries.

0    16.00000000000000000000
1    14.00000000000000000000
2    12.00000000000000000000
3    10.00000000000000000000
4     3.10000000000000008882
dtype: float64

编辑:

每个计算机程序员应该知道的浮点运算总是一个很好的阅读.

编辑:

关于KeyError,我无法复制问题.

>> x = pd.Series([16,14,12,10,3.1])
>> a = {x[i]: i for i in x.index}
>> a[x[4]]
4
>> a.keys()
[16.0, 10.0, 3.1000000000000001, 12.0, 14.0]
>> hash(x[4])
2093862195
>> hash(a.keys()[2])
2093862195