dataframe对特定的列的数据进行批量性的四舍五入

可以使用 Pandas 库中的 `round` 方法对 DataFrame 中的特定列进行批量性的四舍五入。

例如，假设有如下的 DataFrame：

import pandas as pd

data = {'A': [1.234, 2.345, 3.456], 'B': [4.567, 5.678, 6.789]}
df = pd.DataFrame(data)
print(df)

输出结果为：

       A      B
0  1.234  4.567
1  2.345  5.678
2  3.456  6.789

如果要对列 A 进行批量性的四舍五入，可以使用如下代码：

df['A'] = df['A'].round(2)
print(df)

输出结果为：

      A      B
0  1.23  4.567
1  2.35  5.678
2  3.46  6.789

其中，`.round(2)` 表示要将 A 列中的数值保留两位小数。如果要对多列进行四舍五入，只需要依次对每一列调用 `round` 方法即可。

相关问题

python 怎样很多文件夹中txt的数据批量读取到dataframe

要批量读取多个文件夹中的txt数据到DataFrame，可以按照以下步骤进行操作：

1. 首先，导入所需的Python库，包括pandas库和os库。

2. 使用os库中的函数，如os.walk()，来遍历每个文件夹中的所有文件。

3. 使用pandas库中的read_csv()函数读取每个txt文件并将其转换为DataFrame。

4. 使用pandas库中的concat()函数将所有的DataFrame合并为一个大的DataFrame。

下面是一个示例代码：

import pandas as pd
import os

# 存储所有txt文件的路径
file_paths = []

# 遍历文件夹
for root, dirs, files in os.walk("文件夹路径"):
    for file in files:
        # 仅选择txt文件
        if file.endswith(".txt"):
            file_paths.append(os.path.join(root, file))

# 存储所有txt数据的DataFrame列表
dfs = []

# 读取每个txt文件，并将其转换为DataFrame
for file_path in file_paths:
    df = pd.read_csv(file_path, delimiter="\t")  # 可根据具体情况指定分隔符
    dfs.append(df)

# 将所有DataFrame合并为一个大DataFrame
combined_df = pd.concat(dfs, ignore_index=True)

# 打印合并后的DataFrame
print(combined_df)

请注意，此代码中的"文件夹路径"应替换为你要读取的文件夹的实际路径。此外，如果你的txt文件有特定的分隔符，如制表符或逗号，你需要根据实际情况调整read_csv()函数的参数。

用Python批量提取多个工作簿中同名工作表的特定数据

您好！可以使用Python的pandas库来批量提取多个工作簿中同名工作表的特定数据。以下是一个简单的示例代码：

import pandas as pd
import os

# 定义要提取的特定数据所在的列索引
target_column_index = 2

# 定义存储提取结果的空DataFrame
result_df = pd.DataFrame()

# 遍历工作簿所在的文件夹
folder_path = '工作簿文件夹路径'
for file_name in os.listdir(folder_path):
    if file_name.endswith('.xlsx'):  # 假设工作簿为Excel文件格式，如有其他格式需修改后缀名
        file_path = os.path.join(folder_path, file_name)
        
        # 读取工作簿中的所有工作表
        xls = pd.read_excel(file_path, sheet_name=None)
        
        # 遍历工作表
        for sheet_name, df in xls.items():
            if sheet_name == '目标工作表名称':  # 替换为您要提取数据的目标工作表的名称
                # 提取特定数据所在的列
                target_data = df.iloc[:, target_column_index]
                
                # 将提取的数据存储到结果DataFrame中
                result_df[file_name + '_' + sheet_name] = target_data

# 打印结果DataFrame
print(result_df)

在代码中，需要您替换`folder_path`为存放工作簿的文件夹路径，以及`目标工作表名称`为您要提取数据的目标工作表的名称。此代码遍历文件夹下的所有Excel文件，读取每个文件的所有工作表，并提取目标工作表中特定列的数据，最后将提取的数据存储到一个结果DataFrame中。