极地截去小数

我正在尝试将 DataFrame 中的浮点数截断为所需的小数位数。我发现这可以使用 Pandas 和 NumPy here 来完成，但我也发现使用 polars.Config.set_float_precision 也可以。

下面是我当前的方法，但我认为我可能会采取额外的措施。

import polars as pl

data = {
    "name": ["Alice", "Bob", "Charlie"],
    "grade": [90.23456, 80.98765, 85.12345],
}

df = pl.DataFrame(data)

(
    df
    # Convert to string
    .with_columns(
        pl.col("grade").map_elements(
            lambda x: f"{x:.5f}", 
            return_dtype=pl.String
        ).alias("formatted_grade")
    )
    # Slice to get desired decimals
    .with_columns(
        pl.col("formatted_grade").str.slice(0, length = 4)
    )
    # Convert back to Float
    .with_columns(
        pl.col("formatted_grade").cast(pl.Float64)
    )
)

你对使用 Polars 截断浮点数的小数位数想得太多了。虽然你的方法有效，但 Polars 提供了一种更直接的方法来实现这一点，而无需转换为字符串。

你可以使用 round() 函数或 .apply() 与 round() 来实现。以下是如何操作的：

import polars as pl

data = {
    "name": ["Alice", "Bob", "Charlie"],
    "grade": [90.23456, 80.98765, 85.12345],
}

df = pl.DataFrame(data)

# 使用 round() 函数
df.with_columns(
    pl.col("grade").round(2).alias("rounded_grade")
)

# 或者使用 .apply() 和 round()
df.with_columns(
    pl.col("grade").apply(lambda x: round(x, 2)).alias("rounded_grade")
)

这两种方法都将“grade”列中的值四舍五入到小数点后两位。

让我们来分解一下为什么这种方法比你的初始方法更好：

• 简洁性： 它需要更少的步骤，使你的代码更易于阅读和理解。
• 效率： 在大型数据集上，直接处理数值类型通常比转换类型更快。

通常情况下，在 Polars 中，如果你正在寻找执行特定操作的方法，通常有一个简洁而高效的内置函数可以完成这项工作。在这种情况下， round() 函数被证明是截断浮点数小数位数的完美解决方案。