Python pandas如何截断指定列小数位用于计算且不修改原列

math.trunc 是Python原生的标量计算函数，仅支持单个数值入参，无法直接对pandas Series整列对象做运算，这就是触发TypeError: type Series doesn't define __trunc__ method的直接原因。

使用numpy提供的向量化截断函数np.trunc替代math.trunc即可，该函数原生支持pandas Series、numpy数组的批量运算，性能远高于逐行循环/apply写法，同时满足所有约束：

• 截断操作仅在逻辑判断时生成临时中间值，计算完成后自动销毁，不会修改原始列数据，也不会生成额外永久列
• 截断逻辑为直接舍去低位小数，不做四舍五入，完全匹配给出的样例判定规则
• 自动兼容NaN值：NaN参与比较时会返回False，无需额外处理前序行的空值
• 向量化运算性能优异，适配多列大数据量场景

修正后的完整代码如下：

import numpy as np

def scenario1(df):
    # 封装临时截断逻辑，调整截断位数直接修改乘数即可
    def truncate_calc(s, decimals=3):
        multiplier = 10 ** decimals
        return np.trunc(s * multiplier) / multiplier
    
    df['scenario1'] = np.where(
        (df.close <= 2)
        & (df.tenkan > df.tenkan.shift(1))
        & (df.kijun > df.kijun.shift(1))
        & (truncate_calc(df.tenkan) == truncate_calc(df.kijun))
        & (df.span_a > df.span_a.shift(1))
        & (df.span_b > df.span_b.shift(1))
        & (truncate_calc(df.span_a) == truncate_calc(df.span_b))
        & (df.volume <= 300000),
        1,
        0
    )
    return df

• 如果需要调整截断小数位数，只需要给truncate_calc传不同的decimals参数即可：比如截断到1位小数传decimals=1，就可以实现样例中0.9954、0.995642截断后均为0.9的判定效果。
• 所有截断计算都是内存中的临时操作，不会留存到最终返回的DataFrame中，返回结果仅新增需要的scenario1二进制列，原始数值列完全保持原样，不会产生额外冗余列。
• 前序行因为shift(1)产生的NaN、原始数据自带的NaN，在逻辑与运算中都会被判定为False，不会被误标记为1，无需额外做空值填充处理。
• 注意：不要使用Series.apply+math.trunc的逐行写法，这类写法是Python层循环实现，性能比np.trunc的C层向量化实现低1~2个数量级，数据量较大时会有明显卡顿。

内容的提问来源于stack exchange，提问作者Garrad2810