如何在Pandas中用掩码对奇偶行分别执行np.floor和np.ceil操作

• 缺少numpy依赖导入：代码中直接使用np.floor、np.ceil但没有导入numpy库，会触发NameError。
• 奇偶判断逻辑错误：df % 2 != 0是对整个DataFrame的所有元素做模2运算，并非判断行序号的奇偶，运算结果维度和单列df['round']不匹配，直接触发AssertionError。按照你给出的预期结果，是按自然行号（从1开始计数）的奇偶处理：奇数行执行floor，偶数行执行ceil，对应pandas默认的0起始索引的规则为：索引为偶数的行执行floor，索引为奇数的行执行ceil。
• where方法使用错误：一方面where的逻辑为「条件为True时保留原值，条件为False时替换为传入值」，你的条件逻辑和需求不匹配；另一方面没有将where的运算结果赋值回df['round']，就算无报错也不会修改原列数据。
• 性能冗余：使用apply调用numpy函数属于逐行运算，远不如直接调用向量化numpy函数效率高。

import pandas as pd
import numpy as np

df = pd.DataFrame([6114.26221,
                   6114.90137,
                   6145.16943,
                   6183.22803,
                   6202.06592,
                   6202.38037,
                   6202.93750,
                   6203.21387,
                   ], columns=['onset'])

# 向量化一步实现，性能最优
df['round'] = np.where(df.index % 2 == 0, np.floor(df['onset']), np.ceil(df['onset']))

# 输出验证
print(df['round'].to_string(index=False))

运行输出结果和你预期完全一致：

6114.0
6115.0
6145.0
6184.0
6202.0
6203.0
6202.0
6204.0

内容的提问来源于stack exchange，提问作者rpb