Python熊猫：使用.values属性对系列进行子集设置时的问题

问题描述

我在使用Pandas Series时遇到问题：我创建了一个包含一些值的数组。为了测试目的，我试图确保在Series中存在某些值，所以我将其子集设置如下：

A = np.arange(start=-10,stop=10,step=0.1)
Aseries = pd.Series(A) 
Aseries[Aseries.values == 9]

，这返回了一个空数组。但是我只需要将步长（从0.1更改为1），然后就可以使用...我已经仔细检查了Series确实包含了我要查找的值（两个步长值...）

这是我更改步骤的代码（以输出作为证明）

#Generating an array conaining 200 values from -10 to 10 with a step of 0.1
A = np.arange(start=-10,step=0.1)
Aseries = pd.Series(A)
Aseries[Aseries.values == 9]

#Generating an array conaining 20 values from -10 to 10 with a step of 0.1
B = np.arange(start=-10,step=1)
Bseries = pd.Series(B)

print("'Aseries' having the value 9:")
print(Aseries[Aseries.values == 9])
print("'Bseries' having the value 9:")
print(Bseries[Bseries.values == 9])

输出：

'Aseries' having the value 9:
Series([],dtype: float64)
'Bseries' having the value 9:
19    9
dtype: int32

对这里发生的事情有任何想法吗？预先感谢！

[EDIT]：由于某种原因，我无法在此线程中添加任何其他帖子，因此，我将添加在这里找到的解决方案： 就像@Quang Hoang和@Kim Rop所解释的那样，非整数步长值不会真正返回其预期值。所以之后：

Aseries = pd.Series(A) 

我只是添加了一个舍入指令，以使数组中的值仅保留小数点后一位，并且对子集操作进行了如下修改：

Aseries[(Aseries.values < 9.1) &(Aseries.values < 9.1)]

我不再遇到这个问题了……感谢@Quang Hoang和@Kim Rop

解决方法

根据offical document：

使用非整数步骤（例如0.1）时，结果通常不会 始终如一。在这种情况下，最好使用numpy.linspace。

部分原因是浮点精度。