Question

我的数据框中包含名为“Atomic”的列中的数字。我想将每个值四舍五入到一组给定值的最接近的数字。例如：

'设置：5,10,20,25,50,100'

6-> 5,34-> 25,70-> 50

Answer 1

我想你可以把你的数字放到一个列表中

set = [5, 10, 20, 25, 50, 100]

然后，您可以使用min和key来定义舍入函数：

def custom_round(set, value):
    return min(set, key=lambda x:abs(x-value))

如果有许多值可以计算，例如

，这可以与列表推导相结合

values = [1,2,5,6,8,9,10,25,28,99]
rounded = [custom_round(set, v) for v in values]

这里发生了什么？

当min与lambda函数组合作为键时，该函数首先应用于数组中的所有元素，然后返回对应于此新数组的min的原始数组的元素。在上面的示例中，lambda函数查找从目标value到您可以舍入到的每个值的绝对距离，因此min返回最接近{set的元素value {1}}。

Answer 2

使用abs + min +列表理解

s =  [5, 10, 20, 25, 50, 100]
l = [6, 34, 70]
[ k[0] for k in [ min([(i,abs(i-j)) for i in s],key=lambda x:x[1]) for j in l ] ]
#Output:
#[5, 25, 50]

Answer 3

尝试pd.cut

import pandas as pd

df = pd.DataFrame({'atomic':[6,34,70]})
bins = [0,5,10,20,25,50,100]
labels = bins[:-1] # [0,5,10,20,25,50]
df['binned'] = pd.cut(df.atomic, bins, labels=labels)
df

   atomic binned
0       6      5
1      34     25
2      70     50

请注意，binned是“类别”而不是数字。如果您需要使用数字

df['binned'] = pd.cut(df.atomic, bins, labels=labels).astype(int)

将Python数据帧值舍入到给定的一组数字中

3 个答案: