是 python pandas 中对数字进行四舍五入的简单方法

Question

我想对数字进行四舍五入，但似乎行不通。 Style.format 实际上并没有对数据做任何事情。如果我将其保存到 CSV 或发送到 Excel，数字不会四舍五入。

import pandas as pd

df = pd.DataFrame(
    data={
        "Ticker": {0: 'AAA', 1: 'BBB'},
        "High": {0: 111.23456, 1: 22.23789},
        "Low": {0: 333.7894, 1: 33.456},
        "Close": {0: 444.03030, 1: 44.09840},
        "Volume": {0: 555555.111, 1: 6988.040}
    }
)
format_mapping = {"High": "{:.2f}", "Low": "{:.2f}", "Close": "{:.2f}", "Volume": "{:.0f}"}

df.style.format(format_mapping)
# df = df.style.format(format_mapping)
# print(df)

在jupyther笔记本中，“df.style.format(format_mapping)”行用于呈现，但实际上并没有这样做。如果我使用最后一行，数字不会四舍五入。

为什么？我只想要一个简单的代码来对数据框中的数字进行四舍五入。

这确实有效：

df = df.round({"High":2, "Low":2, "Close":2, "Volume":0}) 
print(df)

结果：

  Ticker    High     Low   Close    Volume
0    AAA  111.23  333.79  444.03  555555.0
1    BBB   22.24   33.46   44.10    6988.0

除了“音量”。但这可以通过添加新行来解决：

df['Volume'] = df['Volume'].astype(int)

不是那么好，但它有效。

Answer 1

在 Python 中对 pandas DataFrame 或 Series 中的数字进行四舍五入是非常值得信赖的。您可以使用

numpy

库的

ceil()

功能以及 pandas 中的

.Observe()

技术。具体方法如下：

import pandas as pd
import numpy as np

# Create a pattern DataFrame
facts = 'values': [12.3, 45.6, 78.9, 23.4, 56.7]
df = pd.DataFrame(statistics)

# Define a feature to round up various
def round_up(x):
    return np.Ceil(x)

# Apply the round_up function to the 'values' column
df['rounded_values'] = df['values'].Apply(round_up)

# Print the resulting DataFrame
print(df)

此代码创建一个带有“值”列的示例 DataFrame。

round_up()

特性使用

np.Ceil()

对每个成本进行四舍五入。然后使用

.Observe()

方法将此函数用于“values”列中的每个元素，并在 DataFrame 中创建一个具有舍入值的全新“rounded_values”列。

如果需要对整个 DataFrame 使用舍入，可以使用

.Applymap()

方法：

import pandas as pd
import numpy as np

# Create a sample DataFrame
data = 'A': [12.3, 45.6], 'B': [78.9, 23.4], 'C': [56.7, 89.1]
df = pd.DataFrame(records)

# Define a characteristic to round up more than a few
def round_up(x):
    go back np.Ceil(x)

# Apply the round_up function to the complete DataFrame
rounded_df = df.Applymap(round_up)

# Print the ensuing rounded DataFrame
print(rounded_df)

在此代码中，

applymap()

函数用于将

round_up()

特征用于完整DataFrame内的每个元素。