如何用熊猫四舍五入计算答案

【问题标题】：How to round calculations with pandas如何用熊猫四舍五入计算
【发布时间】：2020-10-27 20:10:37
【问题描述】：

我知道如何在 pandas (link) 中简单地对列进行四舍五入，但是，我的问题是如何在 pandas 中同时进行四舍五入和计算。

df['age_new'] = df['age'].apply(lambda x: round(x['age'] * 0.024319744084, 0.000000000001))

TypeError: 'float' object is not subscriptable

有什么办法吗？

【问题讨论】：

标签： python pandas data-manipulation

【解决方案1】：

.apply 未矢量化。
- 在pandas.Series 上使用.apply 时，如'age'，lambda 变量，x 是'age' 列，因此正确的语法是round(x * 0.0243, 4)
- round 的ndigits 参数需要int，而不是float。
使用矢量化方法更快，例如.mul，然后是.round。
- 在这种情况下，有 1000 行，矢量化方法比使用 .apply 快 4 倍。

import pandas as pd
import numpy as np

# test data
np.random.seed(365)
df = pd.DataFrame({'age': np.random.randint(110, size=(1000))})

%%timeit
df.age.mul(0.024319744084).round(5)
[out]:
212 µs ± 3.86 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
(df['age'] * 0.024319744084).round(5)
[out]:
211 µs ± 9.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
df.age.apply(lambda x: round(x * 0.024319744084, 5))
[out]:
845 µs ± 20.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：

【解决方案2】：

有两个问题：

括号内的x['age'] 不需要['age']，因为您已经应用于age 列（这就是您收到错误的原因）
round 将 int 作为第二个参数。

试试

df['age_new'] = df['age'].apply(lambda x: round(x * 0.024319744084, 5))

（5 只是一个例子。）

【讨论】：