如何有效地将仅一列的numpy数组四舍五入到最接近的0.5？

Question

是否有一种有效的方法来仅舍入numpy数组的一列？即我希望数字可以四舍五入到最接近的0.5，可以用round(number * 2.0) / 2.0完成。

假设我有numpy数组tmp，我的目标是四舍五入。我尝试了以下操作：

1. 对于四舍五入到小数点，我可以使用

tmp[:,2] = np.around(tmp[:,2],1)

但这不是我想要的。

1. 我定义了一个函数并尝试沿轴应用：

def roundToHalf(number):
   return round(number * 2.0) / 2.0

tmp[:,2] = np.apply_along_axis(roundToHalf,0,tmp[:,2])

或

tmp[:,2] = roundToHalf(tmp[:,2])

这不起作用，因为出现错误：

*** TypeError: type numpy.ndarray doesn't define __round__ method

在最坏的情况下，我只会使用for循环。但我希望你们能帮助我找到一个更流畅的解决方案。

Answer 1

问题是您编写了处理单个数字而不是数组的函数。您可以使用numpy的around舍入整个数组。您的功能将是

import numpy as np
def roundToHalf(array):
   return np.around(array * 2.0) / 2.0

，如果您输入一个numpy数组，它应该可以工作。下面的例子

In [24]: roundToHalf(np.asarray([3.6,3.8,3.3,3.1]))
Out[24]: array([3.5, 4. , 3.5, 3. ])

Answer 2

您可以将np.vectorize()应用于函数roundToHalf()，以使其适用于numpy数组

roundToHalf_vect = np.vectorize(roundToHalf)
tmp[:,2] = roundToHalf_vect(tmp[:,2])