python - 在 Pandas 数据框中四舍五入一列

Question

我有一个 pandas 数据框 df 看起来像这样:

          no_obs  price_cleaning  house_size
0         1             585          30
1         1             585          40
2         1             585          43
3         1             650          43
4         1             633          44
5         1             650          45
6         2             585          50
7         1             633          50
8         1             650          50
9         2             750          50 

我想用这个函数对 price_cleaning 列中的值进行四舍五入:

def roundup(x):
返回 int(math.ceil(x/10.0)) * 10

我已经尝试了这个答案的解决方案(Applying function to Pandas dataframe by column):

cols = [col for col in df.columns if col != 'price_cleaning']
df[cols] = df[cols].apply(roundup)

我收到以下错误:TypeError: ("cannot convert the series to ", 'occurred at index no_obs')

谁能帮我理解为什么这不起作用？如何将汇总函数应用于列？非常感谢任何帮助。

Answer 1

我会像这样矢量化

In [298]: df['p'] = (np.ceil(df.price_cleaning / 10) * 10).astype(int)

In [299]: df
Out[299]:
   no_obs  price_cleaning  house_size    p
0       1             585          30  590
1       1             585          40  590
2       1             585          43  590
3       1             650          43  650
4       1             633          44  640
5       1             650          45  650
6       2             585          50  590
7       1             633          50  640
8       1             650          50  650
9       2             750          50  750

对于 10K 行，计时 - 向量化方法比应用快约 15 倍

In [331]: %timeit (np.ceil(dff.price_cleaning / 10) * 10).astype(int)
1000 loops, best of 3: 436 µs per loop

In [332]: %timeit dff['price_cleaning'].apply(roundup)
100 loops, best of 3: 7.86 ms per loop

In [333]: dff.shape
Out[333]: (10000, 4)

至少在这种情况下，性能差距会随着行数的增加而增加。