如何使用熊猫子选择与float dtype相等的行

Question

我有以下数据集示例。

df_csv_y =  pd.read_csv('y_factors.csv')

                 time    value
0       736527.481944  27.20001
1       736527.482639  27.10001
2       736527.483333  27.10001
3       736527.484028  27.10001
4       736527.484722  27.10001
              ......

我使用下面的代码尝试了索引。

df_csv_y[df_csv_y.time== 736527.482639]

我索引了数据集中存在的值，但结果如下。

Empty DataFrame
Columns: [time, value]
Index: []

检索整数时会得到结果，但无法检索上述数据集的time列之类的float数据。

我想知道如何解决这个问题。

Answer 1

这里的问题是您的实际浮点值的精度高于显示的值，可以使用np.isclose公差并将公差设置为比默认值更高的精度，以选择足够接近的值：

In[165]:
df[np.isclose(df['time'],736527.482639, 0.0000000001)]

Out[165]: 
            time     value
1  736527.482639  27.10001

您当前发布的样本数据有效，但实际数据具有更高的精度。您可以将atol参数调整np.isclose为设置绝对公差。

另一个方面是，由于浮点精度的原因，比较浮点值是否相等通常趋向于不起作用，因此在处理浮点值时，最好使用类似的东西np.isclose进行比较