如何为Pandas DataFrame指定列批量应用numpy.round()函数？

假设你有如下Pandas DataFrame：

import pandas as pd
import numpy as np
dat = pd.DataFrame({'X1': ['aa'], 'X2': [2.3], 'X3': [23.56]})

如果需要批量对指定列应用numpy.round()，不用逐列手动操作，有以下几种高效方法：

1. 直接对列子集应用numpy.round() #

先定义需要处理的目标列列表，然后直接用numpy.round()作用于选中的列子集，这是最简洁高效的方式：

# 定义目标列
target_cols = ['X2', 'X3']
# 批量应用round函数，保留2位小数
dat[target_cols] = np.round(dat[target_cols], 2)

numpy的向量化操作可以直接处理Pandas的列子集，性能优异，适合处理数百列的场景。

2. 使用DataFrame.apply()方法 #

也可以用apply()方法批量处理目标列，两种写法都可行：

target_cols = ['X2', 'X3']
# 写法1：lambda表达式
dat[target_cols] = dat[target_cols].apply(lambda col: np.round(col, 2))
# 写法2：指定args参数传递小数位数
dat[target_cols] = dat[target_cols].apply(np.round, args=(2,))

3. 按列名模式自动筛选目标列 #

如果目标列的名称有规律（比如都以X开头后接数字），可以用filter()自动筛选列，不用手动列出来：

# 筛选列名匹配"X+数字"模式的列
target_cols = dat.filter(regex='^X\d+$').columns
dat[target_cols] = np.round(dat[target_cols], 2)

内容的提问来源于stack exchange，提问作者Brian19931