Python3 pandas dataframe round.5 始终向上

Question

根据文档，如果上舍入值和下舍入值同样接近原始数字，Python 会将值舍入到偶数选择。

我想对我的pandas.DataFrame中的值进行四舍五入，以使0.5始终向上舍入。

解决它的一种方法是使用具有Decimal数据类型的decimal模块，如下所述： 如何正确舍入 Python 中的半浮点数？

import pandas as pd

if __name__ == "__main__":
    df = pd.DataFrame(data=[0.5, 1.499999, 1.5, 2.5, 3.5, 4.5, 5.5, 6.5], columns=["orig"])
    df["round"] = df.round()
    print(df)

输出：

       orig  round
0  0.500000    0.0
1  1.499999    1.0
2  1.500000    2.0
3  2.500000    2.0
4  3.500000    4.0
5  4.500000    4.0
6  5.500000    6.0
7  6.500000    6.0

我试图做类似的事情：

df["round"] = df["orig"].values.astype(Decimal).round()

但这不起作用。 是否有一个简单易读的解决方案来确保.5总是四舍五入？

编辑

我不确定评论中的链接是否回答了这个问题。 链接中提出的解决方案是将每个浮点数转换为一个字符串，并正在操作对于大型 DataFrame 来说似乎很荒谬的字符串。 （并且很难阅读/理解）。 我希望有一个简单的 function 可以像decimal package 一样使用

Answer 1

当小数点为0.5时，您可以向orig添加一些微小的值。 这保证了任何 integer + 0.5 将始终向上舍入到下一个 integer。

import numpy as np
df['round_up'] = np.round(np.where(df['orig'] % 1 == 0.5,
                                   df['orig'] + 0.1,
                                   df['orig']))
print(df)
       orig  round_up
0  0.500000       1.0
1  1.499999       2.0
2  1.500000       2.0
3  2.500000       3.0
4  3.500000       4.0
5  4.500000       5.0
6  5.500000       6.0
7  6.500000       7.0

Answer 2

使用decimal模块，你可以做

import decimal
df = pd.DataFrame(data=[0.5, 1.499999, 1.5, 2.5, 3.5, 4.5, 5.5, 6.5], columns=["orig"])

df.orig = df.orig.apply(
  lambda x: decimal.Decimal(x).to_integral_value(rounding=decimal.ROUND_HALF_UP)
)