如何在Python中复现Excel的平均值计算及四舍五入逻辑

差异原因及解决方法 #

1. 首先排查列选取范围的问题
   pandas的iloc切片遵循左闭右开规则，如果你Excel中选取的是第133到191列（包含首尾两列），Python中需要写成df.iloc[: , 133:192]才能覆盖相同的列范围，这是最容易导致统计结果偏差的原因。

2. 核对有效数值统计逻辑
   Excel的AVERAGE函数和pandas的mean方法默认都会自动跳过NA值计算，逻辑本身一致，你可以通过手动计算总和、有效数个数确认是否对齐：

# 计算选中列的逐行总和（自动跳过NA）
row_sum = cols.sum(axis=1)
# 计算选中列的逐行非NA数值个数
row_count = cols.count(axis=1)
# 手动计算平均值
manual_mean = row_sum / row_count

把计算得到的总和、个数和Excel中用SUM、COUNT函数得到的结果做对比，就能确认是否是数值选取范围的问题。
如果是数据中存在字符串格式的'NA'而非pandas识别的np.nan，需要先替换成空值再计算：

cols = cols.replace('NA', np.nan).astype(float)

3. 对齐四舍五入规则
   如果平均值计算已经一致，但四舍五入结果不同，是因为Python默认采用银行家舍入法（小数为0.5时取最近偶数），而Excel的ROUND函数采用的是逢五进一的规则，可以用自定义函数实现和Excel一致的舍入逻辑：

def excel_round(x, decimals=0):
    multiplier = 10 ** decimals
    return int(x * multiplier + 0.5) / multiplier

# 应用到目标列
df['rounded_score'] = df['score'].apply(excel_round)

内容的提问来源于stack exchange，提问作者Anakin Skywalker