python - 为什么 Pandas.DataFrame.iloc 转换为 numpy.float64 并四舍五入？

Question

以这个数字为例:

1.64847910404205

如果我创建一个包含一行和此值的 Pandas DataFrame:

df = pd.DataFrame([{'id': 77, 'data': 1.64847910404205}])

然后遍历行(好吧......“行”)并检查:

for index, row in df.iterrows():
    if index > 0:
        previous_row = df.iloc[index]

当然，上面的内容很奇怪:为什么我要遍历行只是为了从 DF 中提取同一行？算了吧；我删除了 -1 来说明。

现在，如果我使用 SciView(IntelliJ 的一部分)和 data 选项卡分别检查行，我会得到:

row
data: 1.64847910404205

previous_row
data: 1.64847910404

请注意，previous_row 已四舍五入。这是因为出于某种原因它们是不同的数据类型......

row: 
type(row) #float64

previous_row:
type(previous_row) #numpy.float64

我很想知道:为什么 iloc 会转换为 numpy.float64 以及如何防止它这样做？

我需要与稍后进行峰值信噪比 (PSNR) 计算时相同的精度。当然，我可以将 float 转换为 numpy.float64，但我不想失去精度。

Answer 1

数据框中 'data' 列的类型是 numpy.float64，即使 Pandas 仅将其报告为 float64。您可以通过以下方式向自己证明这一点:

df['data'].dtype.type is numpy.float64

这将返回 True。另一种形式是:

type(df['data'].values[0]) is numpy.float64

这也将返回 True。

显示上的任何差异取决于 SciView 解释您的代码的方式。