使用NaN舍入Pandas数据帧列中的值

Question

我有一个包含一列float64值的Pandas数据帧:

tempDF = pd.DataFrame({ 'id': [12,12,12,12,45,45,45,51,51,51,51,51,51,76,76,76,91,91,91,91],
                        'measure': [3.2,4.2,6.8,5.6,3.1,4.8,8.8,3.0,1.9,2.1,2.4,3.5,4.2,5.2,4.3,3.6,5.2,7.1,6.5,7.3]})

我想创建一个只包含整数部分的新列.我的第一个想法是使用.astype(int):

tempDF['int_measure'] = tempDF['measure'].astype(int)

这工作正常,但作为一个额外的复杂,我有一列缺少值:

tempDF.ix[10,'measure'] = np.nan

此缺失值导致.astype(int)方法失败:

ValueError: Cannot convert NA to integer

我以为我可以在数据列中舍入浮点数.但是,.round(0)函数将舍入到最接近的整数(更高或更低)而不是向下舍入.我找不到一个等效于".floor()"的函数,它将作用于Pandas数据帧的一列.

有什么建议？

Answer 1

你可以申请numpy.floor;

import numpy as np

tempDF['int_measure'] = tempDF['measure'].apply(np.floor)

    id  measure  int_measure
0   12      3.2            3
1   12      4.2            4
2   12      6.8            6
...
9   51      2.1            2
10  51      NaN          NaN
11  51      3.5            3
...
19  91      7.3            7

Answer 2

您还可以尝试：

df.apply(lambda s: s // 1)

然而，使用np.floor速度更快。