Numpy Pandas：使用np.round和applymap将数据帧中的值舍入一半

我想了解为什么在同一个DF上使用1）np.round和2）applymap时会得到不同的值

我的df

np.四舍五入收益

np.round(df1, 1)
      total
cat1   25.2
cat2    3.6
cat3   76.6
cat4   36.5
cat5   45.6

appymap返回

df1.applymap(lambda x: round(x,1))
      total
cat1   25.2
cat2    3.5
cat3   76.5
cat4   36.5
cat5   45.6

---

如您所见，np.round向上取整一半的值，而applymap向下取整。发生了什么？

这是python 2中记录的行为：在python 3中，您会得到相同的结果：

In [63]:
np.round(df1['total'], 1)

Out[63]:
cat1    25.2
cat2     3.6
cat3    76.6
cat4    36.5
cat5    45.6
Name: total, dtype: float64

In [69]:
df1.applymap(lambda x: round(x,1))

Out[69]:
      total
cat1   25.2
cat2    3.6
cat3   76.6
cat4   36.5
cat5   45.6

---

文档对这种行为很清楚：我对这两种方法都有相同的值，python

3.4.3

，numpy

1.10.1

以这种方式舍入浮动实际上是无用的，尽管函数的可用性太容易了。在这里舍入的最终目的是什么？@antonprotopov

round

python 3:和2:@EdChum的行为不同是的，谢谢。但是OP没有提到任何python版本。一个吹毛求疵的地方是：Python3的

round

和

np。around

对于中间情况并不总是给出相同的结果：理论上，

np.around

确实与偶数成圆关系，但在实践中，它有一个不正确的四舍五入实现，而有时会使中间情况出错。Python的

round

是正确的四舍五入，所以应该总是给出正确的结果（如果不是，那就是一个可报告的bug）。例如，将

np.around（0.025,2）

与

round（0.025,2）

进行比较。（二者都应该是四舍五入的，因为使用二进制浮点WYSINWYG和

0.025

实际上是

0.025000000000013877780781445675529539585113525390625

）@MarkDickinson这很有趣，也很有效，我觉得这是由于python 2的不同，但OP没有响应

In [63]:
np.round(df1['total'], 1)

Out[63]:
cat1    25.2
cat2     3.6
cat3    76.6
cat4    36.5
cat5    45.6
Name: total, dtype: float64

In [69]:
df1.applymap(lambda x: round(x,1))

Out[69]:
      total
cat1   25.2
cat2    3.6
cat3   76.6
cat4   36.5
cat5   45.6