正如评论中提到的，这是一个一般的浮点问题。
但是，您可以使用float_format关键字 ofto_csv来隐藏它：
df.to_csv('pandasfile.csv', float_format='%.3f')
或者，如果您不希望 0.0001 舍入为零：
df.to_csv('pandasfile.csv', float_format='%g')
会给你：
Bob,0.085
Alice,0.005
在您的输出文件中。
有关 的解释%g，请参阅Format Specification Mini-Language。
更新：在撰写本文时答案是准确的，并且浮点精度仍然不是您默认使用 to_csv/read_csv 获得的（精度-性能权衡；默认值有利于性能）。
现在有可用于的float_formatpandas.DataFrame.to_csv论据和可用于的float_precision论据pandas.from_csv。
原著仍然值得阅读，以更好地理解这个问题。
这是 pandas 中的一个错误，不仅在“to_csv”函数中，而且在“read_csv”中也是如此。这不是一般的浮点问题，尽管浮点算术确实是一个需要程序员注意的主题。下面的这篇文章澄清了这个主题：
http://docs.python.org/2/tutorial/floatingpoint.html
显示“问题”的经典单线是......
>>> 0.1 + 0.1 + 0.1
0.30000000000000004
...它没有像预期的那样显示 0.3。另一方面，如果您使用定点算术处理计算，并且仅在最后一步使用浮点算术，它将按预期工作。看到这个：
>>> (1 + 1 + 1) * 1.0 / 10
0.3
如果您迫切需要规避这个问题，我建议您创建另一个 CSV 文件，其中包含所有数字为整数，例如乘以 100、1000 或其他方便的因子。在您的应用程序中，像往常一样读取 CSV 文件，您将获得这些整数数字。然后将这些值转换为浮点数，除以您之前乘以的相同因子。