使用Pandas按另一列指定的不同小数位数对数值列四舍五入

• Pandas对算术运算符（如乘、加、减等）做了面向Series的重载，两个同长度的Series执行算术运算时，会默认逐元素配对计算，因此直接写df['numbers']*df['decimal']可以正常运行。
• Python内置的round()是普通标量函数，没有做Pandas向量化适配，它的第二个参数要求接收单个整数，传入完整的Series对象时，函数无法将整个Series转换为单个int值，因此抛出TypeError: cannot convert the series to <class 'int'>报错。

方案1：逐行apply处理（写法简单，适合小数据量） #

import pandas as pd
df = pd.DataFrame(
   data = {
       'numbers' : [1.2345, 2.3456, 3.4567],
       'decimal'  : [2,3,2]
   }
)
# axis=1指定按行遍历
df['newcolA'] = df.apply(lambda row: round(row['numbers'], row['decimal']), axis=1)
print(df)

运行输出和预期结果完全一致。

方案2：向量化运算（性能更高，适合十万行以上的大数据量） #

利用数学计算逻辑绕开Python层循环，先把数值放大对应小数位的10的n次方，取整后再缩回去，全程是Pandas原生向量化操作，运行速度远高于apply方案：

df['newcolA'] = df['numbers'].mul(10 ** df['decimal']).round().div(10 ** df['decimal'])

内容的提问来源于stack exchange，提问作者Dan Boucher