Numpy 在 Pandas DataFrame 中舍入条目

在本文中，我们将介绍如何使用Numpy来舍入Pandas DataFrame中的条目。在数据分析过程中，舍入是十分常见的需求。Pandas是数据科学家们最常使用的Python库之一，而Numpy是Pandas的基础。因此，学会如何使用Numpy来舍入Pandas DataFrame中的条目是很有意义的。

阅读更多：Numpy 教程

Pandas DataFrame简介

在介绍Numpy如何舍入Pandas DataFrame之前，我们先来了解一下Pandas DataFrame。

按照Pandas的官方文档的说法，“DataFrame是一个二维的、大小可变的、带有标签轴（行和列）的表格数据结构，可以将不同的数据类型（数值、字符串、布尔值等）存储为列（Column），DataFrame既有行索引，也有列索引。”

在Pandas DataFrame中，我们可以很容易地进行数据的读取、处理、分析和可视化。不过，有时候我们需要对DataFrame中的条目进行舍入，这时候就需要用到Numpy了。

Numpy舍入函数

Numpy提供了许多用于舍入的函数，常用的包括：

• np.round(): 四舍五入；
• np.ceil(): 向上取整；
• np.floor(): 向下取整；
• np.trunc(): 截断。

这些函数可以应用于Numpy数组和Pandas DataFrame中的值。

下面，我们通过示例来演示Numpy如何舍入Pandas DataFrame中的条目。

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(5, 4), columns=list('ABCD'))
print(df)

# 使用np.round函数舍入df中的所有元素到1位小数
df_rounded = np.round(df, 1)
print(df_rounded)

# 使用np.ceil函数将df中所有元素向上取整
df_ceil = np.ceil(df)
print(df_ceil)

# 使用np.floor函数将df中所有元素向下取整
df_floor = np.floor(df)
print(df_floor)

# 使用np.trunc函数将df中所有元素截断到整数
df_trunc = np.trunc(df)
print(df_trunc)

这里，我们使用了np.random.randn()函数来生成一个5×4的随机的Pandas DataFrame，然后分别使用了np.round()、np.ceil()、np.floor()和np.trunc()函数来对df中的元素进行舍入操作。

运行上述代码，我们可以看到输出如下：

          A         B         C         D
0  0.009022 -0.504078 -0.339278 -2.068598
1  1.049130 -1.401157 -0.102119 -0.654601
2 -1.262498 -1.731020 -0.068730  0.014696
3  1.169179 -0.235948  0.314281 -0.587548
4  0.163028  1.408090  1.107000 -2.381018

     A    B    C    D
0  0.0 -0.5 -0.3 -2.1
1  1.0 -1.4 -0.1 -0.7
2 -1.3 -1.7 -0.1  0.0
3  1.2 -0.2  0.3 -0.6
4  0.2  1.4  1.1 -2.4

     A    B    C    D
0  1.0 -0.0 -0.0 -2.0
1  2.0 -1.0 -0.0 -0.0
2 -1.0 -1.0 -0.0  1.0
3  2.0 -0.0  1.0 -0.0
4  1.0  2.02.0 -2.0

    A    B    C    D
0  0.0 -1.0 -1.0 -2.0
1  1.0 -2.0 -1.0 -1.0
2 -2.0 -2.0 -1.0  0.0
3  1.0 -1.0  0.0 -1.0
4  0.0  1.0  1.0 -2.0