舍入熊猫数据框中的一列答案

【问题标题】：Rounding up one column in pandas dataframe舍入熊猫数据框中的一列
【发布时间】：2017-05-09 06:17:52
【问题描述】：

我有一个熊猫数据框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): return int(math.ceil(x / 10.0)) * 10

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

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 ", '发生在索引 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。

【问题讨论】：

标签： python python-3.x pandas python-3.5

【解决方案1】：

这可能有效：

>>> df['price_cleaning_ceiling']= df.price_cleaning.apply(lambda x: int(math.ceil(x / 10.0)) * 10)

【讨论】：

【解决方案2】：

我认为您可以将apply 和lambda 用作：

In [6]: df['p'] = df['price_cleaning'].apply(lambda x: int(math.ceil(x / 10.0)) * 10)

In [7]: df
Out[7]: 
   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

【讨论】：

【解决方案3】：

您正在倒置过滤列，请改为：

cols = [col for col in  df.columns if col == 'price_cleaning']

现在，如果您只需要清理一列，则无需创建cols。做吧：

df['price_cleaning'] = df['price_cleaning'].apply(roundup)

【讨论】：

apply 方法很棒。但是，根据您的用例、数据大小，您可以使用矢量化方法进行基准测试。
@JohnGalt 我认为 OP 在这一点上与您的准确评论相去甚远
没错，这只是为了后代的缘故:)

【解决方案4】：

我会像矢量化一样

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，时间 - 向量化方法比 apply 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，行数越多，性能差距就会越大。

【讨论】：

使用 np.ceil 的好答案，非常有用，谢谢