为什么有些数字在存储为浮点数时会失去准确性？
例如,十进制数9.2可以精确地表示为两个十进制整数(92/10)的比率,两者都可以用二进制(0b1011100/0b1010)精确表示.但是,存储为浮点数的相同比率永远不会完全等于9.2:
32-bit "single precision" float: 9.19999980926513671875
64-bit "double precision" float: 9.199999999999999289457264239899814128875732421875
这样一个看似简单的数字如何在64位内存中表达"太大" ？
我在 Pandas 中有一个数据框，我正在从 csv 中读取它。
我的一个列有值，其中包括NaN，floats，和科学记数法，即5.3e-23
我的问题是，当我在 csv 中阅读时，pandas 将这些数据视为object dtype，而不是float32应该的。我猜是因为它认为科学记数法条目是字符串。
我尝试df['speed'].astype(float)在读入后使用 using 转换 dtype ，并尝试在使用df = pd.read_csv('path/test.csv', dtype={'speed': np.float64}, na_values=['n/a']). 这会引发错误ValueError: cannot safely convert passed user dtype of <f4 for object dtyped data in column ...
到目前为止，这两种方法都没有奏效。我是否错过了一些非常容易修复的东西？
这个问题似乎表明我可以指定可能会引发错误的已知数字，但如果可能的话，我更愿意将科学记数法转换回浮点数。
编辑以在评论中显示来自 CSV 的数据
7425616,12375,28,2015-08-09 11:07:56,0,-8.18644,118.21463,2,0,2
7425615,12375,28,2015-08-09 11:04:15,0,-8.18644,118.21463,2,NaN,2
7425617,12375,28,2015-08-09 11:09:38,0,-8.18644,118.2145,2,0.14,2
7425592,12375,28,2015-08-09 10:36:34,0,-8.18663,118.2157,2,0.05,2
65999,1021,29,2015-01-30 21:43:26,0,-8.36728,118.29235,1,0.206836151554794,2
204958,1160,30,2015-02-03 17:53:37,2,-8.36247,118.28664,1,9.49242000872744e-05,7
384739,,32,2015-01-14 16:07:02,1,-8.36778,118.29206,2,Infinity,4
275929,1160,30,2015-02-17 03:13:51,1,-8.36248,118.28656,1,113.318511172611,5