如何在Pandas中按行而非按列对小数进行取整？

刚好碰到过类似的需求！pandas自带的round()确实默认是按列统一设置小数位数，但要实现逐行自定义取整规则其实很简单，这里给你两种实用的方法，完美匹配你的需求：

先还原你的数据场景 #

首先我们先构造你给出的原始数据（单列DataFrame）：

import pandas as pd

df = pd.DataFrame(
    {'A': [1010.00009, 54.45678, 0.50483]},
    index=['count', 'measure', 'average']
)

原始输出：

A
count    1010.00009
measure    54.45678
average     0.50483

方法1：用apply逐行匹配规则（直观易懂） #

先定义好每行对应的小数取整规则，然后用apply遍历每一行，根据行索引匹配对应的规则：

# 定义每行的取整规则：键是行索引，值是保留的小数位数
round_rules = {
    'count': 0,      # 取整为整数
    'measure': 2,    # 保留2位小数
    'average': 4     # 保留4位小数
}

# 应用规则到A列
df['A'] = df.apply(lambda row: row['A'].round(round_rules[row.name]), axis=1)

# 如果想把count行转成纯整数类型（不是带.0的浮点数），可以再加一步
df.loc['count', 'A'] = df.loc['count', 'A'].astype(int)

方法2：用index.map关联规则（更高效简洁） #

因为是单列数据，我们可以直接利用Series.round()支持传入对应位数序列的特性，通过索引映射规则来实现：

round_rules = {
    'count': 0,
    'measure': 2,
    'average': 4
}

# 用索引映射得到每行的取整位数，直接传入round()
df['A'] = df['A'].round(df.index.map(round_rules))

# 同样可选：把count行转成整数
df.loc['count', 'A'] = df.loc['count', 'A'].astype(int)

最终输出结果 #

两种方法都会得到你想要的格式：

A
count    1010
measure    54.46
average     0.5048

扩展说明 #

如果是多列的DataFrame需要按行设置不同的取整规则，你可以构造一个和原DataFrame形状完全一致的"位数矩阵"，然后传入df.round()方法即可，原理是一样的。

内容的提问来源于stack exchange，提问作者eternity1