python - 如何对两个 pandas 列进行舍入

Question

我试图将 pandas 数据帧的一列中的值四舍五入到另一列中指定的小数位，如下面的代码所示。

    df = pandas.DataFrame({
        'price': [14.5732, 145.731, 145.722, 145.021],
        'decimal': [4, 3, 2, 2]
    })
    df['price'] = df.apply(lambda x: round(x.price, x.decimal), axis=1)

但是，这样做会导致以下错误:

>   df['price'] = df.apply(lambda x: round(x.price, x.decimal), axis=1)
E   TypeError: ('integer argument expected, got float', 'occurred at index 0')

文档看起来似乎 round 期望在索引 0 处有一个浮点，但它显然不高兴。将价格更改为 int 可以修复错误，但这会破坏代码本身的意义。

Answer 1

这一直是 pandas 的痛点 loooong time 。当访问单行或沿第一个轴调用 apply 时，数据类型强制会相当定期地发生。该错误消息令人困惑，因为很明显，十进制系列的 dtype 是整数类型，因此它应该被 round 方法接受，但强制转换是在幕后发生的。

您可以使用iloc和apply来检查:

>>> df.iloc[0]
price      14.5732
decimal     4.0000
Name: 0, dtype: float64

>>> df.apply(lambda x: x, axis=1)
      price  decimal
0   14.5732      4.0
1  145.7310      3.0
2  145.7220      2.0
3  145.0210      2.0

更令人沮丧的是，如果您有一个对象 dtype 列，则不会强制执行任何操作，因此行为并不那么容易预测!

>>> df['foo'] = 'bar'
>>> df.iloc[0]
price      14.5732
decimal          4
foo            bar
Name: 0, dtype: object

<小时/>

长话短说，这很令人困惑，而且一点也不直观。有几个解决方法是在 lambda 函数中转换小数或使用列表理解(可能比 apply 更快)。

>>> df.apply(lambda x: round(x.price, int(x.decimal)), axis=1)
0     14.5732
1    145.7310
2    145.7200
3    145.0200
dtype: float64

>>> [round(x, y) for x, y in zip(df['price'], df['decimal'])]
[14.5732, 145.731, 145.72, 145.02]

请注意，以系列显示时，表示形式不会改变，但值将被四舍五入。