如何用Pandas提取DataFrame浮点数列的整数部分？

没问题！在Pandas里批量处理整列的浮点数据，保留整数部分舍弃小数，有好几种简洁高效的方法，比你单个处理要方便多了，我给你详细说说：

方法1：直接转换整数类型 astype(int) #

这是最直接的方式，Pandas的astype(int)会自动截断小数部分，只保留整数部分，完全符合你的需求。代码示例：

# 假设你的浮点数列名为'num_col'
df['num_col'] = df['num_col'].astype(int)

对于你提供的测试数据，执行后就会得到你想要的结果：

0 59
1 50
2 50
3 55
4 58
5 58
6 55
7 57
8 46
9 59
10 57

注意：这个方法对正数非常友好，如果是负数的话，同样会截断小数（比如-59.9会变成-59），和你用divmod的效果一致。

方法2：使用整除运算符 // 1 #

Pandas支持向量化运算，直接对整列使用// 1（和1做整除），就能快速得到每个元素的整数部分：

# 先做整除，再转整数类型（可选，如果你需要整数而非浮点类型）
df['num_col'] = (df['num_col'] // 1).astype(int)

这个方法的优势是逻辑直观，和你手动处理单个数字的思路类似，而且向量化运算的效率远高于逐元素处理。

方法3：沿用你熟悉的divmod（适合小数据量） #

如果你想继续使用divmod的思路，也可以用apply函数逐元素处理，但要注意这个方法在大数据量下效率较低，只适合小数据集：

df['num_col'] = df['num_col'].apply(lambda x: divmod(x, 1)[0]).astype(int)

这里用lambda函数对每个元素执行divmod，然后取返回值的第一个元素（整数部分），最后转成整数类型。

完整测试示例 #

为了让你更清楚，我把你的测试数据完整实现一遍：

import pandas as pd

# 构造你的DataFrame
data = [
    59.9179, 50.3874, 50.3874, 55.0089, 58.423,
    58.8227, 55.2471, 57.2266, 46.4312, 59.9097, 57.1417
]
df = pd.DataFrame(data, columns=['original_num'])

# 用方法1处理
df['integer_part'] = df['original_num'].astype(int)

# 查看结果
print(df[['original_num', 'integer_part']])

执行后输出的integer_part列就是你想要的整数结果。

内容的提问来源于stack exchange，提问作者Stacey