使用Python依据另一列对应值对指定列小数进行四舍五入的实现方法
Python按资产类别对价格列四舍五入实现方案
以下方案默认基于pandas实现结构化表格的批量处理,是最通用的落地方式:
步骤1:定义精度映射规则
先把资产类别和对应保留小数位的关系存在字典里,后续调整规则时直接修改字典即可,不需要改动逻辑代码:
import pandas as pd precision_map = { "股指": 2, "个股": 2, "currencies": 5, "commodities": 3 } # 如果你的表格中货币、大宗商品字段存储的是中文值,把对应键修改为中文即可
步骤2:批量处理价格列
对DataFrame的每一行应用规则,生成四舍五入后的价格列:
# 假设你的表变量名为df,资产类别列名为asset_class,价格列名为price df["rounded_price"] = df.apply( lambda row: round(row["price"], precision_map.get(row["asset_class"], 2)), axis=1 )
- 代码中
precision_map.get的第二个参数是默认保留位数,遇到不在映射规则里的资产类别时会使用该值,你可以根据需求调整 - 如果你需要直接覆盖原price列,把左侧的
rounded_price改为price即可
单条数据处理方案
如果你不需要批量处理,只需要对单条价格数据按资产类别计算,可直接用下面的函数:
def round_price_by_asset(price: float, asset_class: str) -> float: precision_map = { "股指": 2, "个股": 2, "currencies": 5, "commodities": 3 } precision = precision_map.get(asset_class, 2) return round(price, precision) # 调用示例 print(round_price_by_asset(1.23456, "currencies")) # 输出1.23456 print(round_price_by_asset(78.9123, "个股")) # 输出78.91
高精度场景注意事项
如果你对价格精度要求极高,要避免浮点运算的精度误差,可以替换round为Python标准库decimal模块的舍入方法,适配金融场景的严格精度要求。
内容的提问来源于stack exchange,提问作者partyyyy
相关产品推荐
相关产品推荐

