如何在Polars DataFrame中截断浮点数至指定小数位数？

你的当前方法通过字符串转换实现截断，确实存在步骤冗余且效率较低的问题，尤其是处理大数据集时。以下是几种更高效的方案：

1. 直接使用Polars内置的truncate函数 #

Polars提供了专门的truncate表达式，可直接对浮点数进行数值截断（区别于四舍五入），无需字符串转换：

import polars as pl

data = {
    "name": ["Alice", "Bob", "Charlie"],
    "grade": [90.23456, 80.98765, 85.12345],
}

df = pl.DataFrame(data)

# 截断至2位小数
result = df.with_columns(
    pl.col("grade").truncate(2).alias("truncated_grade")
)

print(result)

输出：

shape: (3, 3)
┌─────────┬───────────┬────────────────┐
│ name    ┆ grade     ┆ truncated_grade│
│ ---     ┆ ---       ┆ ---            │
│ str     ┆ f64       ┆ f64            │
╞═════════╪═══════════╪════════════════╡
│ Alice   ┆ 90.23456  ┆ 90.23          │
│ Bob     ┆ 80.98765  ┆ 80.98          │
│ Charlie ┆ 85.12345  ┆ 85.12          │
└─────────┴───────────┴────────────────┘

2. 手动数值计算实现截断 #

如果需要兼容旧版本Polars（truncate函数在0.17.0+引入），可以用数学方法实现：

# 截断至2位小数
decimal_places = 2
result = df.with_columns(
    ((pl.col("grade") * 10**decimal_places).floor() / 10**decimal_places).alias("truncated_grade")
)

原理是将浮点数放大指定倍数后取整（floor向下取整，对应截断），再缩小回原比例。

关于polars.Config.set_float_precision的说明 #

这个配置仅控制浮点数的显示精度，不会修改DataFrame中存储的实际数值。如果只是为了打印输出时简化显示，而非修改数据本身，可以使用：

pl.Config.set_float_precision(2)
print(df)

输出时grade列会显示为2位小数，但实际存储的还是原始的高精度数值。

内容的提问来源于stack exchange，提问作者Simon