Ja, genau das sag ich ja. Sie sind nicht gleich. Die Frage ist halt nur, warum Pandas die Werte in den Series unterschiedlich bewertet.
SeriesA sind Werte aus einer MySQL Datenbank:
Code: Alles auswählen
import pandas as pd
sql = """SELECT * FROM Tabelle WERE Kennziffer = %s AND Datum = %s ;"""
parameter = (10123, 02-09-2018)
Cursor.execute(sql, parameter)
results = Cursor.fetchall()
SeriesA = Series([x for x in results])
Die Felder der Tabelle sind korrekt "formatiert"
Datum = DATE
Kennzifer = VARCHAR(5)
Werte = FLOAT
Series B sind Werte aus eine csv-Datei:
Zum Beispiel:
Code: Alles auswählen
datei = pd.read_csv(Datei.csv, sep=';', header=0, encoding='iso8859_15')
Ich hole mir dann die entsprechenden Werte, an den entsprechenden Stellen der Datei zusammen:
und mache daraus eine Series:
Code: Alles auswählen
Datum = datei['Datum'][0]
Kennung = datei['Kennung'][0]
Wert1 = datei['Werte'][0]
Wert2 = datei['Werte'][0]
Wert3 = datei['Werte'][0]
SeriesB = ([Datum, Kennung, Wert1, Wert2, Wert3])
Somit erhalte ich 2 Series:
SeriesA:
Code: Alles auswählen
02-09-2018 <datetime.date>
10777 <string>
Wert1 = 4.5 <float>
Wert2 = 5.0 <float>
Wert3 = 7.3 <float>
SeriesB:
Code: Alles auswählen
02-09-2018 <datetime.date>
10777 <string>
Wert1 = 4.5 <float>
Wert2 = 5.0 <float>
Wert3 = 7.3 <float>
Mir ist aber gerade aufgefallen, dass ich an einer anderen Stelle im Programm die Werte nicht über:
beziehe, sondern über:
Code: Alles auswählen
Ergebnisse = pd.read_sql(sql, params=parameter, con=connection)
Die Ergebnisse dieser Abfrage, die ich direkt über Pandas starte, scheinen nicht unter der unterschiedlichen Darstellung und Bewertung der Floats zu leiden.