Je voudrais demander des conseils sur les mesures correctives pour un problème que j'ai remarqué dans la routine pandas.read_csv. Quand je stocke un long entier dans un fichier en utilisant pd.to_csv, il stocke les données correctement - mais quand je le relis en utilisant pd.read_csv, il dérange avec les 3 derniers chiffres. Lorsque j'essaie de le sauvegarder à nouveau en utilisant to_csv (sans aucune modification), les numéros du fichier CSV résultant sont différents du fichier CSV d'origine. J'ai illustré le problème ci-dessous (remarquez comment 4321113141090630389 devient 4321113141090630400 et devient 4321583677327450765 4321583677327450880):problème de troncature avec pd.read_csv
fichier CSV original créé par pd.to_csv:
grep -e 321583677327450 -e 321113141090630 orig.piece
orig.piece:1,1;0;0;0;1;1;3844;3844;3844;1;1;1;1;1;1;0;0;1;1;0;0,,,4321583677327450765
orig.piece:5,1;0;0;0;1;1;843;843;843;1;1;1;1;1;1;0;0;1;1;0;0,64.0,;,4321113141090630389
import pandas as pd
import numpy as np
orig = pd.read_csv('orig.piece')
orig.dtypes
Unnamed: 0 int64
aa object
act float64
...
...
s_act float64
dtype: object
>orig['s_act'].head(6)
0 NaN
1 4.321584e+18
2 4.321974e+18
3 4.321494e+18
4 4.321283e+18
5 4.321113e+18
Name: s_act, dtype: float64
>orig['s_act'].fillna(0).astype(int).head(6)
0 0
1 4321583677327450880
2 4321973950881710336
3 4321493786516159488
4 4321282586859217408
5 4321113141090630400
>orig.to_csv('convert.piece')
grep -e 321583677327450 -e 321113141090630 orig.piece convert.piece
orig.piece:1,1;0;0;0;1;1;3844;3844;3844;1;1;1;1;1;1;0;0;1;1;0;0,,,4321583677327450765
orig.piece:5,1;0;0;0;1;1;843;843;843;1;1;1;1;1;1;0;0;1;1;0;0,64.0,;,4321113141090630389
convert.piece:1,1;0;0;0;1;1;3844;3844;3844;1;1;1;1;1;1;0;0;1;1;0;0,,,4.321583677327451e+18
convert.piece:5,1;0;0;0;1;1;843;843;843;1;1;1;1;1;1;0;0;1;1;0;0,64.0,;,4.3211131410906304e+18
pourriez-vous s'il vous plaît me aider à comprendre pourquoi le dernier read_csv brouille trois chiffres? Ce n'est même pas un problème d'arrondi, les chiffres sont totalement différents (comme 4321583677327450765 devient 4321583677327450880 ci-dessus) Est-ce à cause de la notation scientifique qui vient à l'esprit - comment pouvons-nous le désactiver et laisser les pandas traiter ces données comme des objets? nombre entier/flottant?
BTW, quand je dis orig = pd.read_csv ('orig.piece', DTYPE = str) ', le problème disparaît. Mais, y a-t-il un inconvénient à cela? aussi, cela ressemble à une solution de contournement et non une solution. – user3615154