Pandas 使用熊猫，索引错误

我试图对数字进行四舍五入，如果它们的十进制数字以（125375625875）结尾，我将它们替换为（25,25,75,75）。 我的代码是：

import pandas as pd  

inpExcelFile = 'Lat Lon Coordinates and soil.csv'  #lat, lon
gridCells = pd.read_csv(inpExcelFile)
#inpExcelFile can be downloaded from "http://www.evernote.com/l/AWMD9Le15ytJmokhnUF8r84vtXVIsj2_lBQ/"

df = pd.DataFrame(columns=['lat_ext', 'lon_ext', 'lat_close', 'lon_close'])

for i in range(0, len(gridCells.index)):  

    if str(df.at[i, 'lat_ext'])== str('125'):
       df.at[i, 'lat_close'] =  float((str(gridCells.at[i, 'lat'])[:3]) + str('25'))
    if str(df.at[i, 'lat_ext'])== str('375'):
       df.at[i, 'lat_close'] = float((str(gridCells.at[i, 'lat'])[:3]) + str('25'))
    if str(df.at[i, 'lat_ext'])== str('625'):
       df.at[i, 'lat_close'] = float((str(gridCells.at[i, 'lat'])[:3]) + str('75'))
    if str(df.at[i, 'lat_ext'])== str('875'):
       df.at[i, 'lat_close'] = float((str(gridCells.at[i, 'lat'])[:3]) + str('75'))

for j in range(0, len(gridCells.index)):  

    if str(df.at[j, 'lon_ext'])== str('125'):
       df.at[j, 'lon_close'] =  float((str(gridCells.at[j, 'lat'])[:3]) + str('25'))
    if str(df.at[j, 'lon_ext'])== str('375'):
       df.at[j, 'lon_close'] = float((str(gridCells.at[j, 'lat'])[:3]) + str('25'))
    if str(df.at[j, 'lon_ext'])== str('625'):
       df.at[j, 'lon_close'] = float((str(gridCells.at[j, 'lat'])[:3]) + str('75'))
    if str(df.at[j, 'lon_ext'])== str('875'):
       df.at[j, 'lon_close'] = float((str(gridCells.at[j, 'lat'])[:3]) + str('75'))

df.to_excel('cikti' + '.xlsx')

我得到了这个错误：“ValueError:At基于非整数索引的索引只能有非整数索引器”

---

我该如何解决这个问题呢？

如果我理解正确，您需要将小数从x.125舍入到x.25，以此类推。我不确定是否有任何方法可以直接使用浮点数来实现这一点，但这里有一种有点笨重的方法（通过字符串转换）可以在每个步骤后使用打印输出来实现这一点：

import pandas as pd

# Create dummy dataframe
df = pd.DataFrame({
    "number": [1.125, 1.375, 1.625, 1.875]
})
print df

DF:

将数字转换为字符串以处理子字符串（本例中为小数）

DF:

创建包含要映射到的小数的列

df.loc[df.number_as_string.str.endswith(".125"), "number_decimal"] = ".25"
df.loc[df.number_as_string.str.endswith(".375"), "number_decimal"] = ".25"
df.loc[df.number_as_string.str.endswith(".625"), "number_decimal"] = ".75"
df.loc[df.number_as_string.str.endswith(".875"), "number_decimal"] = ".75"
print df

DF:

使用字符串，获取小数点之前的数字部分，并将您喜欢的小数添加到其中

df["number_rounded"] = df.number_as_string.str.split(".").str[0] + df.number_decimal
print df

DF:

将该列转换为浮点数（从字符串）

最终DF：

   number number_as_string number_decimal  number_rounded
0   1.125            1.125            .25            1.25
1   1.375            1.375            .25            1.25
2   1.625            1.625            .75            1.75
3   1.875            1.875            .75            1.75

---

我通过你的回答达到了我的目标，谢谢，但是我的剧本呢？你能看到什么吗？不客气。对不起，你是什么意思？明白了吗？老实说，我认为你的实施非常不成功。您应该尽量避免pandas中的for循环，因为向量化操作要快得多，坦率地说，整个pandas点都是如此。至少，把你所有的逻辑放在同一个for循环中，你现在将同样的东西循环两次。

df.loc[df.number_as_string.str.endswith(".125"), "number_decimal"] = ".25"
df.loc[df.number_as_string.str.endswith(".375"), "number_decimal"] = ".25"
df.loc[df.number_as_string.str.endswith(".625"), "number_decimal"] = ".75"
df.loc[df.number_as_string.str.endswith(".875"), "number_decimal"] = ".75"
print df

   number number_as_string number_decimal
0   1.125            1.125            .25
1   1.375            1.375            .25
2   1.625            1.625            .75
3   1.875            1.875            .75

df["number_rounded"] = df.number_as_string.str.split(".").str[0] + df.number_decimal
print df

   number number_as_string number_decimal number_rounded
0   1.125            1.125            .25           1.25
1   1.375            1.375            .25           1.25
2   1.625            1.625            .75           1.75
3   1.875            1.875            .75           1.75

df["number_rounded"] = df.number_rounded.map(float)
print df

   number number_as_string number_decimal  number_rounded
0   1.125            1.125            .25            1.25
1   1.375            1.375            .25            1.25
2   1.625            1.625            .75            1.75
3   1.875            1.875            .75            1.75