pandas 取整|极客笔记

pandas 取整

在数据处理和分析中，经常会遇到需要对数据进行取整操作的情况。在Python中，我们可以使用pandas库来方便地对数据进行取整操作。本文将详细介绍如何使用pandas库来进行取整操作，包括对整数、浮点数和时间数据进行取整操作。

取整函数

在pandas库中，我们主要使用round()函数来进行取整操作。round()函数可以实现四舍五入取整，也可以指定取整的精度。下面是round()函数的语法：

DataFrame.round(decimals=0, *args, **kwargs)

decimals参数表示取整的精度，即保留几位小数，默认为0，表示取整至整数。
args和kwargs为其他参数，用于指定操作的方向和行为。

对整数数据进行取整

首先，我们来看如何对整数数据进行取整操作。在pandas中，整数数据已经是整数类型，我们只需要使用round()函数来进行取整即可。

import pandas as pd

data = {'A': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

df['A_rounded'] = df['A'].round()
print(df)

运行以上代码，可以得到如下输出：

   A  A_rounded
0  1          1
1  2          2
2  3          3
3  4          4
4  5          5

从输出可以看出，整数数据经过取整操作后，仍然保持整数类型。

对浮点数数据进行取整

对于浮点数数据，我们也可以使用round()函数来进行取整操作。在取整时，可以指定精度，即保留小数点后几位。

import pandas as pd

data = {'B': [1.234, 2.345, 3.456, 4.567, 5.678]}
df = pd.DataFrame(data)

df['B_rounded'] = df['B'].round(2)
print(df)

运行以上代码，可以得到如下输出：

       B  B_rounded
0  1.234       1.23
1  2.345       2.35
2  3.456       3.46
3  4.567       4.57
4  5.678       5.68

从输出可以看出，浮点数数据经过取整操作后，保留了指定精度的小数位数。

对时间数据进行取整

在处理时间数据时，我们有时需要对时间数据进行取整操作，例如取整到最接近的小时或天。在pandas中，我们可以使用round()函数来对时间数据进行取整操作。

import pandas as pd

data = {'C': ['2022-01-01 12:30:00', '2022-01-02 13:45:00', '2022-01-03 14:50:00']}
df = pd.DataFrame(data)
df['C'] = pd.to_datetime(df['C'])

df['C_rounded_to_hour'] = df['C'].dt.round('H')
df['C_rounded_to_day'] = df['C'].dt.round('D')

print(df)

运行以上代码，可以得到如下输出：

                    C     C_rounded_to_hour       C_rounded_to_day
0 2022-01-01 12:30:00 2022-01-01 13:00:00      2022-01-02
1 2022-01-02 13:45:00 2022-01-02 14:00:00      2022-01-02
2 2022-01-03 14:50:00 2022-01-03 15:00:00      2022-01-03

从输出可以看出，时间数据经过取整操作后，分别取整到最接近的小时和天。