Pandas DataFrame如何将正数向上、负数向下舍入为5的倍数

现有如下构造的Pandas DataFrame：

data={'A1':[-7.22,-9.432,-0.00111,0.233,17,23,34],
      'A2':[-23,-7.2455,-0.00222,0.54,1.345,19,21]}
kk=pd.DataFrame(data)

原始打印输出：

A1        A2
0  -7.22000 -23.00000
1  -9.43200  -7.24550
2  -0.00111  -0.00222
3   0.23300   0.54000
4  17.00000   1.34500
5  23.00000  19.00000
6  34.00000  21.00000

需求规则：

• 所有正数向上舍入到最近的5的倍数，例如21舍入后为25而非20
• 所有负数向下舍入到最近的5的倍数，例如-7舍入后为-10而非-5

原有写法运行报错，代码如下：

def roundupdown5(x):
   if x>=0:
       return np.ceil(x/5)*5
   else:
       return np.floor(x/5)*5

kk[['A1','A2']].apply(lambda x: roundupdown5(x))

apply默认按列方向执行运算，传入自定义函数的参数是整列的Series对象，直接对Series做if x>=0判断会触发Pandas的真值歧义错误——Pandas无法判断你是要判断整列全为正、还是存在正值，没法返回单个布尔值给if判断，因此报错。

方案1：向量化运算（优先推荐，性能最高） #

Pandas/Numpy的向量化运算不需要逐行/逐列循环，处理大数据量时效率远高于apply类遍历写法，直接通过掩码做分支判断即可：

import pandas as pd
import numpy as np

# 构造原始数据
data={'A1':[-7.22,-9.432,-0.00111,0.233,17,23,34],
      'A2':[-23,-7.2455,-0.00222,0.54,1.345,19,21]}
kk=pd.DataFrame(data)

# 生成正负值掩码
positive_mask = kk >= 0
# 按规则计算舍入结果
result = pd.DataFrame(
    np.where(
        positive_mask,
        np.ceil(kk / 5) * 5,
        np.floor(kk / 5) * 5
    ),
    columns=kk.columns,
    index=kk.index
)

print(result)

运行输出结果完全符合规则：

A1    A2
0 -10.0 -25.0
1 -10.0 -10.0
2  -5.0  -5.0
3   5.0   5.0
4  20.0   5.0
5  25.0  20.0
6  35.0  25.0

方案2：修正apply传参逻辑 #

如果要沿用自定义函数的写法，需要把传参模式改成逐元素传入，使用applymap实现逐元素运算即可：

def roundupdown5(x):
   if x>=0:
       return np.ceil(x/5)*5
   else:
       return np.floor(x/5)*5

result = kk[['A1','A2']].applymap(roundupdown5)

注意：applymap是逐元素遍历实现，数据量较大时性能会明显差于向量化方案，非必要不优先使用。

内容的提问来源于stack exchange，提问作者Win Yen Tham