Python怎么使用NumPy和Pandas批量对数据取整

一、为什么批量取整必须放弃原生循环

当数据规模达到几十万甚至千万行时，使用 Python 原生内置的 round() 结合列表推导式或 for 循环，会面临严重的解释器性能瓶颈。每次循环都需要在动态类型解析、对象封装与内存解引用上耗费大量时间。

NumPy 与 Pandas 采用 C 语言级别连续内存块组织数据，通过单指令流多数据流（SIMD）与预编译循环直接在底层操作整块内存。执行相同的取整任务，向量化方式通常比 Python 原生循环快数十倍乃至上百倍。

图1：NumPy与Pandas批量数据取整工程处理流程

二、NumPy 批量取整的四种核心函数

NumPy 提供了一组以通用函数（ufunc）形式实现的取整算子。无论输入是一维数组还是高维张量，都可以直接传入函数，得到形状完全相同的取整后数组。

1. np.round()：四舍六入五成双（银行家舍入法）

np.round() 或 np.around() 是最常用的取整方法。它接收参数 decimals 控制保留的小数位数，默认值为 0（即取整到整数位）。

import numpy as np

arr = np.array([1.5, 2.5, 3.5, 4.5, -1.5, -2.5])

# 取整到整数位（返回仍为浮点类型）
rounded = np.round(arr)
print("np.round 结果:", rounded)
# 示例输出: [ 2.  2.  4.  4. -2. -2.]

# 保留 1 位小数
arr_float = np.array([1.234, 1.256, 1.250])
print("保留1位小数:", np.round(arr_float, decimals=1))
# 示例输出: [1.2 1.3 1.2]

2. np.floor()：向下取整（朝负无穷方向靠拢）

np.floor() 返回不大于输入值的最大整数。对于正数而言类似于抹去小数，但对于负数而言，它会向更小的负数方向推进。

arr = np.array([2.1, 2.9, -2.1, -2.9])
print("np.floor 结果:", np.floor(arr))
# 示例输出: [ 2.  2. -3. -3.]

3. np.ceil()：向上取整（朝正无穷方向靠拢）

np.ceil() 返回不小于输入值的最小整数。常用于需要向上拉平配额、计算批次页数或包装箱数的业务场景。

arr = np.array([2.1, 2.9, -2.1, -2.9])
print("np.ceil 结果:", np.ceil(arr))
# 示例输出: [ 3.  3. -2. -2.]

4. np.trunc()：向零截断取整（直接丢弃小数）

np.trunc()（或 np.fix()）直接丢弃所有小数位，正数向小取整，负数向大取整，统一向 0 靠拢。

arr = np.array([2.9, -2.9, 0.7, -0.7])
print("np.trunc 结果:", np.trunc(arr))
# 示例输出: [ 2. -2.  0. -0.]

图2：常见取整函数在正负数与0.5边界上的计算结果对照

三、Pandas 表格数据的批量取整方法

在结构化表格分析中，数据通常封装在 pd.Series 或 pd.DataFrame 中。Pandas 不仅原生提供了方便易用的 .round() 方法，还能与 NumPy 的通用函数深度协同。

1. 全表与单列批量四舍五入

调用 df.round(decimals) 会将整个表格的所有浮点数值列批量舍入；如果传入字典，则可以为不同的列设定完全不同的保留位数：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'item_id': [101, 102, 103],
    'price': [19.256, 45.824, 88.500],
    'weight': [1.2854, 2.7631, 0.9999],
    'score': [4.5, 3.5, 2.5]
})

# 1. 全表统一保留 2 位小数
df_all_rounded = df.round(2)

# 2. 差异化批量配置：price 保留2位，weight 保留3位，score 取整
precision_map = {
    'price': 2,
    'weight': 3,
    'score': 0
}
df_custom = df.round(precision_map)
print(df_custom)
# 示例输出:
#    item_id  price  weight  score
# 0      101  19.26   1.285    4.0
# 1      102  45.82   2.763    4.0
# 2      103  88.50   1.000    2.0

2. 在 Pandas 中应用 floor、ceil 与 trunc

由于 Pandas 自身并没有直接提供 df.floor() 或 df.ceil() 方法，很多初学者会错误地使用 .apply(np.floor)。这种做法会在 Python 层面产生迭代封装，损失性能。

正确的高效做法是：直接将 DataFrame 或 Series 作为参数传给 NumPy 函数。NumPy 的通用函数天然支持 Pandas 对象，并会在计算完成后保留原有的 Index 和 Column 结构：

# 针对单列高效向上取整
df['box_needed'] = np.ceil(df['weight'])

# 针对指定的多列执行向下取整
target_cols = ['price', 'weight']
df[target_cols] = np.floor(df[target_cols])

图3：Pandas调用与NumPy底层C向量化内核的交互拓扑

四、关键细节与类型转换陷阱

1. 为什么取整后依然是 float64 浮点型？

无论是使用 np.round()、np.floor() 还是 df.round()，返回的数据类型依然是浮点数（例如 float64），即输出为 2.0 而不是整数 2。这是因为取整运算只改变数值大小，不改变数据类型；此外，若保留了小数位（如 decimals=2），本身就必须保持浮点类型。

2. 包含缺失值（NaN）时的整型转换报错

如果业务最终需要纯整数类型（如商品件数、用户数量），需要调用 .astype() 进行类型转换。但这里存在一个常见陷阱：标准整型（int32/int64）不支持 NaN（缺失值）。

如果数据列中存在 NaN，直接执行 df['col'].astype(int) 会抛出经典错误：ValueError: Cannot convert non-finite values (NA or inf) to integer。

import pandas as pd
import numpy as np

s = pd.Series([1.7, 2.3, np.nan, 4.8])

# 1. 批量取整（结果仍是浮点，保留 NaN）
s_rounded = np.floor(s)
# 0    1.0
# 1    2.0
# 2    NaN
# 3    4.0

# 2. 错误做法：直接转为标准 int，若含 NaN 会报错
# s_rounded.astype(int)  # 抛出 ValueError!

# 3. 正确方案 A：填充缺失值后再转为标准整数
s_filled = s_rounded.fillna(0).astype(int)

# 4. 正确方案 B：使用 Pandas 可空整数类型 'Int64'（大写 I）
s_nullable_int = s_rounded.astype('Int64')
print(s_nullable_int)
# 示例输出:
# 0       1
# 1       2
# 2    <NA>
# 3       4
# dtype: Int64

五、工程场景选型与总结决策树

在实际生产环境中，面对不同业务诉求，如何快速选定最佳的取整与转换路径？可通过以下决策流程进行判断：

图4：NumPy与Pandas批量取整策略选型与类型安全转换决策图

六、总结与速查清单

掌握以上 NumPy 与 Pandas 的原生向量化方法，不仅能规避海量数据下的运行性能瓶颈，还能在面对浮点舍入偏差与缺失值异常时保持代码的稳健与严谨。