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
......
然后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: []
我检索整数时得到结果，但我无法检索像上面数据集的时间列这样的 float 据。
我想知道如何解决这个问题。
最佳答案
这里的问题是您的实际浮点值比显示值具有更高的精度，您可以使用 np.isclose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
您当前发布的示例数据有效，但您的真实数据具有更高的精度。您可以将 atol 参数调整为 np.isclose 以设置绝对公差。
另一个方面是，比较浮点值是否相等通常会因为 floating point precision 而无法正常工作。所以在处理浮点值时，最好使用类似 np.isclose 的东西进行比较
关于python - 如何使用 Pandas 子选择与 float dtype 相等的行，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50738946/