python - 如何舍入包含混合数据类型的 Pandas DataFrame 中的值以进行进一步的数据比较？

Question

我有一个数据框 df_left:

  IDX1 IDX2 IDX3     IDX4 ValueType Value
0    A   A1    Q  1983 Q4         W    10.123
1    A   A1    Q  1983 Q4         X     A
2    A   A1    Q  1983 Q4         Y     F
3    A   A1    Q  1983 Q4         Z   NaN
4    A   A1    Q  1984 Q1         W   110.456
...

根据之前的帖子创建:

Background information

AND 数据框 df_right:

  IDX1 IDX2 IDX3     IDX4 ValueType Value
0    A   A1    Q  1983 Q4         W    10
1    A   A1    Q  1983 Q4         X     A
2    A   A1    Q  1983 Q4         Y     F
3    A   A1    Q  1983 Q4         Z   NaN
4    A   A1    Q  1984 Q1         W   110

我比较并协调数据的值和文本，其以下工作:

df_compare = pd.merge(df_Left, df_Right, how ='outer', on = ['IDX1', 'IDX2', 'IDX3', 'IDX4', 'ValueType'])
df_compare.columns = ['IDX1', 'IDX2', 'IDX3', 'IDX4', 'ValueType', 'From', 'To']
df_compare = df_compare[df_compare.From!=df_compare.To]

虽然结果符合预期，但在比较之前我想将值列中的数据四舍五入。

我试过:

df.apply(np.round)

还有:

df.round(decimals=0, out=None)

但都如预期的那样出错:

AttributeError: ("'str' object has no attribute 'rint'", u'occurred at index Code')

Answer 1

这是一个相当通用的解决方案，您可以将其应用于多列。 “收件人”列不需要四舍五入，我只是为了两列而不是一列的通用性而将其包括在内:

df

  IDX1 IDX2  IDX3 IDX4 ValueType     From   To
0   A1    Q  1983   Q4         W   10.123   10
3   A1    Q  1983   Q4         Z      NaN  NaN
4   A1    Q  1984   Q1         W  110.456  110

In [399]: df[['From','To']].astype(float).apply(np.round)

   From   To
0    10   10
3   NaN  NaN
4   110  110

这是最安全的方法，因为它不会让您不小心删除非数字值，但如果您确实有混合类型，您可以这样做:

df[['From','To']].convert_objects(convert_numeric=True).apply(np.round)

   From   To
0    10   10
3   NaN  NaN
4   110  110

但是由于这会将任何非数字值转换为 NaN，因此在覆盖任何内容之前请确保这是您想要的。