使用 NaN 向下舍入 Pandas 数据框列中的值

Question

我有一个 Pandas 数据框，其中包含一列 float64 值：

 tempDF = pd.DataFrame({ 'id': [12,12,12,12,45,45,45,51,51,51,51,51,51,76,76,76,91,91,91,91],
                        'measure': [3.2,4.2,6.8,5.6,3.1,4.8,8.8,3.0,1.9,2.1,2.4,3.5,4.2,5.2,4.3,3.6,5.2,7.1,6.5,7.3]})

我想创建一个仅包含整数部分的新列。我的第一个想法是使用 .astype(int)：

 tempDF['int_measure'] = tempDF['measure'].astype(int)

这工作正常，但作为一个额外的并发症，我拥有的列包含一个缺失值：

 tempDF.ix[10,'measure'] = np.nan

此缺失值导致 .astype(int) 方法失败并显示：

 ValueError: Cannot convert NA to integer

我想我可以将数据列中的浮点数向下舍入。但是，.round(0) 函数将舍入到最接近的整数（更高或更低）而不是向下舍入。我找不到等效于“.floor()”的函数，它将作用于 Pandas 数据框的列。

有什么建议么？

原文由 user1718097 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以申请 numpy.floor ；

 import numpy as np

tempDF['int_measure'] = tempDF['measure'].apply(np.floor)

    id  measure  int_measure
0   12      3.2            3
1   12      4.2            4
2   12      6.8            6
...
9   51      2.1            2
10  51      NaN          NaN
11  51      3.5            3
...
19  91      7.3            7

原文由 Joachim Isaksson 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

您也可以尝试：

 df.apply(lambda s: s // 1)

但是，使用 np.floor 更快。

原文由 Alexander 发布，翻译遵循 CC BY-SA 3.0 许可协议