Python实现带特殊条件的向最近偶数取整需求

你可以通过自定义取整逻辑结合 Pandas 的操作来实现需求，核心是先单独处理0.5的特殊情况，再对其余数值执行最近偶数取整。

方法1：自定义函数 + applymap #

先编写处理单个数值的函数，优先判断是否为0.5，再处理常规取整：

def round_to_even(x):
    if x == 0.5:
        return 2.0
    # 常规取最近偶数：除以2取整后再乘2
    return round(x / 2) * 2

# 对数据集中的数值列（第2列及以后）应用函数
df.iloc[:, 1:] = df.iloc[:, 1:].astype(float).applymap(round_to_even)

方法2：矢量化操作（大数据集更高效） #

如果数据集规模较大，用矢量化方法避免循环，运行效率更高：

# 提取数值列并转为float类型
num_columns = df.iloc[:, 1:].astype(float)

# 替换所有0.5为2.0
num_columns = num_columns.where(num_columns != 0.5, 2.0)

# 对其余数值执行最近偶数取整
num_columns = (num_columns / 2).round() * 2

# 将处理后的数据赋值回原DataFrame
df.iloc[:, 1:] = num_columns

处理后结果 #

执行上述代码后，你的数据集会变为：

ID  Q121 Q221 Q321 Q421 Q122 
AA  2.0  2.0  6.0  12.0 6.0  
BB  8.0  6.0  4.0  6.0  8.0  

原代码问题说明 #

原代码中0.5会被计算为0.5/2=0.25，round()后得到0，再乘2就是0，完全不符合特殊条件要求，因此必须先单独处理0.5的情况。

内容的提问来源于stack exchange，提问作者Lynn