将数据框中的浮点数舍入到最接近的特定浮点值（舍入到非整数列表）答案

【问题标题】：Round floats in a dataframe to nearest specific float values (rounding to a non integer list)将数据框中的浮点数舍入到最接近的特定浮点值（舍入到非整数列表）
【发布时间】：2021-01-31 10:51:45
【问题描述】：

我有一个像这样的数据框：

dict_ = {'Col1':[0.54523, 0.24223, 0.94234],'Col2':[0.992324, 0.274336, 0.245435]}
df = pd.DataFrame(dict_, columns=dict_.keys())

Col1	Col2
0.54523	0.992324
0.24223	0.274336
0.94234	0.245435

我只想拥有特定值 0.25, 0.5, 1.0，将原始 df 数据框四舍五入到特定值上最接近的可能数字。

所以，我希望df 变成：

Col1	Col2
0.5	1.0
0.25	0.25
1.0	0.25

如何在 python 中执行此操作（最好在 pandas 数据框中）？

【问题讨论】：

"round-to-nearest-quarter" 这相当于乘以 4，四舍五入，然后除以 4。
0.0 和 0.75 不在列表中，但如果是均匀分布，我明白你的意思。在这种情况下，这将是最好的方法。
哦，非均匀量化箱，我没有注意到。但是您仍然可以通过乘以 4、量化然后除以 4 来处理它。

标签： python pandas dataframe rounding

【解决方案1】：

让我们使用 numpy 广播来计算 Col1 和 Col2 中每个值与数组 [0.25, 0.5, 1.0] 中的值之间的绝对差，然后使用 .argmin 找到最接近值的索引：

c = ['Col1', 'Col2']

a = np.array([0.25, 0.5, 1.0])
idx = np.abs(df[c].values[:, :, None] - a).argmin(axis=-1)
df[c] = a[idx]

结果：

   Col1  Col2
0  0.50  1.00
1  0.25  0.25
2  1.00  0.25

【讨论】：

【解决方案2】：

方法1：

如果值固定为 [0.25, 0.5, 1.0]，则使用：

np.round(df/0.125, 0) * 0.125

方法2：

使用pd.cut 作为bins 添加列表[0, 0.25, 0.5, 1.0] 中每个元素的平均值，所以bins 是[0, 0.125, 0.25, 0.375, 0.5, 0.75, 1.0]。
和lable 设置为[0, 0.25, 0.25, 0.5, 0.5, 1.0]

bins = [0, 0.25, 0.5, 1.0]
labels = sorted(bins + bins)[1:-1]
print(labels) # [0, 0.25, 0.25, 0.5, 0.5, 1.0]

obj = pd.Series(bins)
bins += ((obj + obj.shift(1))/2) .dropna().tolist()
bins.sort()
print(bins) # [0, 0.125, 0.25, 0.375, 0.5, 0.75, 1.0]

dfn = pd.DataFrame()
for col in df.columns:
    dfn[col] = pd.cut(df[col], bins=bins, 
                      labels=labels, 
                      ordered=False)

print(dfn)

       Col1  Col2
    0  0.50  1.00
    1  0.25  0.25
    2  1.00  0.25

【讨论】：