将Python数据帧值舍入到给定的一组数字中

我有一个数据框，在一个名为“原子”的列中有数字。 我想将每个值四舍五入到给定值集中最接近的数字中

例如：

set : 5, 10, 20, 25, 50, 100

 6 -->  5
34 --> 25
70 --> 50

---

我该怎么做呢？

我假设您可以将您的一组数字放入一个列表中

set=[5,10,20,25,50,100]

然后，您可以使用带有

键的
min
定义舍入函数：

def custom_round(set, value):
    return min(set, key=lambda x:abs(x-value))

如果有许多值需要计算，则可以将其与列表理解相结合，例如

values = [1,2,5,6,8,9,10,25,28,99]
rounded = [custom_round(set, v) for v in values]

这里发生了什么事？

当
min
与lambda函数组合作为键时，该函数首先应用于数组中的所有元素，然后返回与此新数组的min对应的原始数组的元素。在上面的示例中，lambda函数查找从目标
值
到您可以舍入到的每个值的绝对距离，因此
min
返回
set
的元素，该元素最接近
值
，我假设您能够将您的一组数字放入列表中

set=[5,10,20,25,50,100]

然后，您可以使用带有
键的
min
定义舍入函数：

def custom_round(set, value):
    return min(set, key=lambda x:abs(x-value))

如果有许多值需要计算，则可以将其与列表理解相结合，例如

values = [1,2,5,6,8,9,10,25,28,99]
rounded = [custom_round(set, v) for v in values]

这里发生了什么事？

当
min
与lambda函数组合作为键时，该函数首先应用于数组中的所有元素，然后返回与此新数组的min对应的原始数组的元素。在上面的示例中，lambda函数查找从目标
值
到您可以舍入到的每个值的绝对距离，因此
min
返回
set
的元素，该元素最接近
值
使用
abs
+
min
+列表理解

s =  [5, 10, 20, 25, 50, 100]
l = [6, 34, 70]
[ k[0] for k in [ min([(i,abs(i-j)) for i in s],key=lambda x:x[1]) for j in l ] ]
#Output:
#[5, 25, 50]

使用abs
+
min
+列表理解

s =  [5, 10, 20, 25, 50, 100]
l = [6, 34, 70]
[ k[0] for k in [ min([(i,abs(i-j)) for i in s],key=lambda x:x[1]) for j in l ] ]
#Output:
#[5, 25, 50]

尝试：

请注意，bined是一个“类别”，而不是一个数字。如果您需要号码，请使用

df['binned'] = pd.cut(df.atomic, bins, labels=labels).astype(int)

尝试：

请注意，bined是一个“类别”，而不是一个数字。如果您需要号码，请使用

df['binned'] = pd.cut(df.atomic, bins, labels=labels).astype(int)

prob覆盖内置的round函数不是一个好的做法，但在其他方面很酷！是的，说得好！我对答案进行了编辑，以免这样做；）我试图使用函数
set=[0.1,0.2,0.25,0.5,1,2,5,10,20,25,50,100,200,250,500,1000,2000,2500,5000,10000]def custom_round（set，value）：返回df中index1行的min（set，key=lambda x:abs（x-value））：df[“newatomirounded”]=custom_round（set，df[“NewAtomic”]
而我得到的
序列的真值是不明确的。请使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）.
prob覆盖内置的round函数不是一个好的做法，但在其他方面很酷！是的，很好的观点！我编辑了答案以便不这样做；）我正在尝试使用函数
set=[0.1,0.2,0.25,0.5,1,2,5,10,20,25,50,100,200,250,500,1000,2500,5000,10000]来迭代数据帧def custom_round（set，value）：返回index1的min（set，key=lambda x:abs（x-value）），df.iterrows（）：df[“newatomicound”]=custom_round（set，df[“NewAtomic”]）
和I get
序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any或a.all（）。