Python 在无舍入误差的情况下以熊猫为单位相乘列

我需要在不存在舍入误差的情况下对熊猫中的列进行乘法（保持总数相同）

所以我有一个数据帧（称为combined_df），它看起来像：

| areaid | districtid | percent | home | job |
|  89012 | 55         | 1.0     | 70   | 20  |
| 123048 | 442        | 0.984496| 100  | 10  |
| 123048 | 34536      | 0.015504| 100  | 10  |

areaid

-城市内部较小的区域
-例如，在区域ID 123048中：100人是居民，10人工作

地区ID

-城市内部更大的区域
-例如，

areaid

位于两个区442和34536内

我需要计算每个地区的居民和上班人数（结果应该是整数）。我们可以假设人们均匀地分布在每个区域内，因此只需将百分比列与家庭/工作列相乘，然后按

districtid

列进行分组即可

我所做的：

def count_people(percent, people):
    return np.around(percent * people)

result = pd.DataFrame()
result['districtid'] = combined_df['districtid']
result['area_district_home'] = count_people(combined_df['percent'], combined_df['home'])
result['area_district_job'] = count_people(combined_df['percent'], combined_df['job'])
# total residents:
total_home = sum(result.groupby('districtid')['area_district_home'].sum())

但是，如果我将所有居民相加，它们将不等于

areaid

中的所有居民。我认为这是由于舍入误差造成的。误差将非常小（1900万人口为17 ppl）

---

是否有更准确地计算每个地区的居民和工人的方法？此时，我不确定为什么会出现这种舍入错误，因为如果将0.984496*100舍入为98，那么0.015504*100应该舍入为2，并且总和将相等。

Python有一个内置的round（）函数，该函数接受两个数值参数n和ndigit，并返回n舍入为ndigit的数字。ndigits参数默认为零，因此省略它会导致一个四舍五入为整数的数字。正如您将看到的，round（）可能并不像您期望的那样工作。

可能我需要一些自定义算法来计算我想要的，但我不知道从哪里开始，a尝试了一些自定义舍入，如：

math.floor（num+0.5）

但没有帮助。您只使用熊猫吗？是的，有更好的工具吗？