pandas.DataFrame.round

DataFrame.round(decimals=0, *args, **kwargs)[source]

Округление DataFrame до заданного числа десятичных знаков.

Параметры

decimals:int, dict, Series

Количество десятичных знаков для округления каждого столбца. Если целое число, все столбцы округляются до одного и того же числа знаков. В противном случае, dict и Series позволяют округлять до разного числа знаков. Имена столбцов должны быть ключами, если decimals — dict, или индексами, если decimals — Series. Столбцы, не включенные в decimals, останутся без изменений. Элементы decimals, которые не являются столбцами входных данных, будут проигнорированы.

*args

Дополнительные ключевые параметры не оказывают влияния, но могут быть приняты для совместимости с numpy.

**kwargs

Дополнительные ключевые параметры не оказывают влияния, но могут быть приняты для совместимости с numpy.

Возвращает

DataFrame

DataFrame с округлёнными до указанного числа десятичных знаков столбцами.

См. также

numpy.around

Округление массива numpy до заданного числа десятичных знаков.

Series.round

Округление Series до заданного числа десятичных знаков.

Примеры

>>> df = pd.DataFrame([(.21, .32), (.01, .67), (.66, .03), (.21, .18)],
...                   columns=['dogs', 'cats'])
>>> df
    dogs  cats
0  0.21  0.32
1  0.01  0.67
2  0.66  0.03
3  0.21  0.18

При указании целого числа каждый столбец округляется до одного и того же числа десятичных знаков

>>> df.round(1)
    dogs  cats
0   0.2   0.3
1   0.0   0.7
2   0.7   0.0
3   0.2   0.2

С помощью dict, можно указать количество знаков для отдельных столбцов, используя имена столбцов в качестве ключей и количество десятичных знаков в качестве значений

>>> df.round({'dogs': 1, 'cats': 0})
    dogs  cats
0   0.2   0.0
1   0.0   1.0
2   0.7   0.0
3   0.2   0.0

Используя Series, можно указать количество знаков для отдельных столбцов, используя имена столбцов в качестве индексов и количество десятичных знаков в качестве значений

>>> decimals = pd.Series([0, 1], index=['cats', 'dogs'])
>>> df.round(decimals)
    dogs  cats
0   0.2   0.0
1   0.0   1.0
2   0.7   0.0
3   0.2   0.0