Pandas 如何将浮点数转换为整数

在本文中，我们将介绍如何使用Pandas将浮点数转换为整数。在数据分析和机器学习中，通常需要将原始数据作为整数输入到模型中。但是，有时我们得到的数据可能包含浮点数，这时候我们就需要将其转换为整数。下面我们将介绍两种方法。

方法一：使用astype()函数

Pandas中的astype()函数可以用于将一个列或Series中的数据类型转换为指定的类型。如果我们要将一个Series中的浮点数转换为整数，我们可以使用astype()函数。

import pandas as pd

df = pd.DataFrame({'float_col': [1.0, 2.5, 3.7, 4.2, 5.8]})
print(df)

df['int_col'] = df['float_col'].astype(int)
print(df)

以上代码中，我们首先创建了一个包含浮点数的DataFrame。然后我们使用astype()函数将float_col列中的数据类型转换为整数，并将结果存储在新的int_col列中。

输出结果如下：

   float_col
0        1.0
1        2.5
2        3.7
3        4.2
4        5.8

   float_col  int_col
0        1.0        1
1        2.5        2
2        3.7        3
3        4.2        4
4        5.8        5

可以看到，float_col列中的浮点数已成功转换为了整数，并存储在了int_col列中。

方法二：使用round()函数

另一种将浮点数转换为整数的方法是使用Python内置的round()函数。round()函数将浮点数四舍五入为最接近的整数。如果我们将所有小数点后面的数字都舍去，就可以得到整数值。

import pandas as pd

df = pd.DataFrame({'float_col': [1.0, 2.5, 3.7, 4.2, 5.8]})
print(df)

df['int_col'] = df['float_col'].apply(lambda x: round(x))
print(df)

以上代码中，我们首先创建了一个包含浮点数的DataFrame。然后我们使用apply()函数将round()函数应用于float_col列中的每个元素，并将结果存储在新的int_col列中。

输出结果如下：

   float_col
0        1.0
1        2.5
2        3.7
3        4.2
4        5.8

   float_col  int_col
0        1.0        1
1        2.5        2
2        3.7        4
3        4.2        4
4        5.8        6

由于round()函数将浮点数四舍五入到最接近的整数，因此有些数可能会向上舍入，有些则向下。这就导致了我们的结果与方法一中的结果略有不同。