Сумма серии панд показывает дополнительную точность - PullRequest
Новая
       12

Сумма серии панд показывает дополнительную точность

0 голосов
/ 06 октября 2018

Я пытаюсь подвести итог простой серии панд, и я получаю посторонние результаты (в качестве дополнительной точности).

Вот сценарий: 

import pandas as pd
prices = [2.99, 4.45, 1.36] 
s = pd.Series(prices)
s.sum()

показывает вывод: 

8.8000000000000007

Я пробовал это: 

pd.set_option('display.precision',2)  # No use - still the same result

, а такжеэто: 

np.set_printoptions(precision=2)  # no use

pd.show_versions()

дает такой вывод: 

INSTALLED VERSIONS
------------------
commit: None
python: 3.6.6.final.0
python-bits: 64
OS: Windows
OS-release: 10
machine: AMD64
processor: Intel64 Family 6 Model 61 Stepping 4, GenuineIntel
byteorder: little
LC_ALL: None
LANG: None
LOCALE: None.None

pandas: 0.23.1
pytest: 3.0.5
pip: 9.0.1
setuptools: 39.1.0
Cython: 0.25.2
numpy: 1.13.3
scipy: 0.19.1
pyarrow: None
xarray: None
IPython: 5.1.0
sphinx: 1.5.1
patsy: 0.4.1
dateutil: 2.6.0
pytz: 2016.10
blosc: None
bottleneck: 1.2.1
tables: 3.4.3
numexpr: 2.6.2
feather: None
matplotlib: 2.2.2
openpyxl: 2.4.1
xlrd: 1.0.0
xlwt: 1.2.0
xlsxwriter: 0.9.6
lxml: 3.7.2
bs4: 4.5.3
html5lib: 0.9999999
sqlalchemy: 1.1.5
pymysql: None
psycopg2: None
jinja2: 2.9.4
s3fs: None
fastparquet: None
pandas_gbq: None
pandas_datareader: 0.6.0

Может кто-нибудь помочь мне понять, как результат был 8.8000000000000007 и как я могу отобразить только две десятичные цифры.

Я попробовал это также - бесполезно: 

round(s.sum(),2)

1 Ответ

0 голосов
/ 06 октября 2018

Если вы хорошо работаете с DataFrame, то этого легко достичь с помощью - 

import pandas as pd
prices = [2.99, 4.45, 1.36] 
s = pd.DataFrame(prices)
with pd.option_context('display.precision', 2):
    print(s.sum())

Будет выводиться - 

8.81

РЕДАКТИРОВАТЬ: или если вы настаиваете на использовании Series, тогда вы могли бы наконец использовать функцию numpy around следующим образом - 

>>> import numpy as np
>>> np.around(s.sum(), 2)
0    8.81
...