如何用Python将DataFrame每行求和后取最近的偶数？

需求 #

计算DataFrame每行的求和值，并将该值四舍五入到最接近的偶数。

输入数据 #

id  type    Q1 22   Q2 22   Q3 22   Q4 22  
AA  hi      0.2     0.8     0.3     2.1      
AA  hello   0.2     0.7     0.3     1.7     
AA  ok      2       0.1     0       0.1     

期望结果 #

id  type    Q1 22   Q2 22   Q3 22   Q4 22  rounded_nearest_sum
AA  hi      0.2     0.8     0.3     2.1    4
AA  hello   0.2     0.7     0.3     1.7    2
AA  ok      2       0.1     0       0.1    2    

当前代码 #

df.loc[:,'rounded_nearest_sum'] = df.sum(axis=1)

解决方案 #

你需要先精准计算每行数值列的和，再通过逻辑转换得到最接近的偶数。核心思路是用「数值/2 → 四舍五入 → ×2」的方式实现需求，同时要避免对非数值列求和：

import pandas as pd
import numpy as np

# 计算每行数值列的和（跳过前两列非数值列）
row_sums = df.iloc[:, 2:].sum(axis=1)
# 生成最接近的偶数
df['rounded_nearest_sum'] = np.round(row_sums / 2) * 2
# 转换为整数类型匹配期望格式
df['rounded_nearest_sum'] = df['rounded_nearest_sum'].astype(int)

逻辑说明 #

• df.iloc[:, 2:]：明确选取第3列及之后的数值列求和，排除id、type这类非数值列干扰。
• np.round(row_sums / 2) * 2：通过缩放后四舍五入再还原的方式，精准得到距离原数最近的偶数，完全匹配你的期望结果：
  • 第一行求和值3.4 → 3.4/2=1.7 → 四舍五入为2 → 2×2=4
  • 第二行求和值2.9 → 2.9/2=1.45 → 四舍五入为1 → 1×2=2
  • 第三行求和值2.2 → 2.2/2=1.1 → 四舍五入为1 → 1×2=2

内容的提问来源于stack exchange，提问作者Lynn