pandas 常用函数--round()

本文详细介绍了 Pandas 库中 DataFrame 对象的 round 方法,该方法用于将 DataFrame 中的数据四舍五入到指定的小数位数。文章通过实例展示了如何使用整数、字典或 Series 来指定不同列的不同小数位数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

pandas.DataFrame.round(decimals )

decimals : int, dict, Series

df = pd.DataFrame(np.random.random([3, 3]),
     columns=['A', 'B', 'C'], index=['first', 'second', 'third'])
print(df)
               A         B         C
first   0.028208  0.992815  0.173891
second  0.038683  0.645646  0.577595
third   0.877076  0.149370  0.491027

df.round(2)
           A     B     C
first   0.03  0.99  0.17
second  0.04  0.65  0.58
third   0.88  0.15  0.49

df.round({'A': 1, 'C': 2})
          A         B     C
first   0.0  0.992815  0.17
second  0.0  0.645646  0.58
third   0.9  0.149370  0.49

decimals = pd.Series([1, 0, 2], index=['A', 'B', 'C'])
df.round(decimals)
          A  B     C
first   0.0  1  0.17
second  0.0  1  0.58
third   0.9  0  0.49

 

Pandasround函数用于对DataFrame对象中的数值进行四舍五入。可以通过传递一个整数参数,来指定保留的小数位数。例如,使用df.round(2)可以将DataFrame对象df中的所有数值保留两位小数。此外,还可以通过传递一个字典作为参数,来指定每一列应该保留的小数位数。例如,使用df.round({'A': 1, 'C': 2})可以将DataFrame对象df中的列'A'保留一位小数,列'C'保留两位小数。 除了round函数,还可以使用apply函数来对DataFrame中的数值进行操作。apply函数可以对每一列或每一行应用一个自定义的函数。例如,可以使用df['A'].apply(lambda x: '{:.2%}'.format(x))来将列'A'中的数值格式化为百分比并保留两位小数。另外,applymap函数可以对DataFrame中的每一个元素应用一个自定义的函数。例如,可以使用df[['A', 'B', 'C']].applymap(lambda x: '{:.2%}'.format(x))来将多列数据格式化为百分比并保留两位小数[2]。 此外,Pandas还提供了groupby函数用于对DataFrame对象进行分组聚合操作。可以通过传递一个或多个列名来进行分组,并使用聚合函数(如sum、mean等)对指定的列进行聚合计算。例如,使用df.groupby(['一级分类', '二级分类'])[['数量', '金额']].sum().reset_index()可以对DataFrame对象df进行多列分组,并对列'数量'和'金额'进行求和。 总结起来,Pandas提供了多种方法来进行数据处理和操作,包括round函数的数值四舍五入、apply函数和applymap函数的自定义函数应用、以及groupby函数的数据分组聚合。这些方法可以根据需求进行灵活应用,以满足不同的数据处理需求。 - pandas.DataFrame.round. Available at: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.round.html - 10 Minutes to pandas. Available at: https://pandas.pydata.org/pandas-docs/stable/user_guide/10min.html#custom-function-application [3] - pandas.DataFrame.groupby. Available at: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.groupby.html
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值