为什么pandas.dataframe.iloc转换为numpy.float64和round?

以这个数字为例:

1.64847910404205

如果我创建一个pandas数据框,其中包含一行和此值:

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

然后遍历行(好的…并检查:

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

当然,上面的情况很奇怪:为什么我要遍历这些行来从df中提取相同的行?算了吧,我把 -1 来说明。

现在,如果我用 SciView (部分) IntelliJ ) data tab要逐个检查行,我得到:

row
data: 1.64847910404205

previous_row
data: 1.64847910404

注意到 previous_row 已被舍入。这是因为它们有不同的数据类型…

row: 
type(row) #float64

previous_row:
type(previous_row) #numpy.float64

我很想知道:为什么 iloc 转换为 numpy.float64 我怎么能阻止它这样做呢?

我需要同样的精度水平,我稍后将做峰值信噪比(psnr)计算。当然,我可以把 float 到A numpy.float64号 ,但我不想失去精确性。