使用自定义函数时，应用/映射在某些行不起作用

Question

我有以下数据框，CMO（$/MWH）是一个最终值，需要使用旧的舍入方法进行舍入（例如：754.275必须舍入到754.28）：

    INIT_DATE  INIT_HOUR   CMO_($/MWH)
0   2020-12-01  00:00:00    754.275
1   2020-12-01  01:00:00    728.130
2   2020-12-01  02:00:00    722.575
3   2020-12-01  03:00:00    722.045
4   2020-12-01  04:00:00    721.950
5   2020-12-01  05:00:00    721.035
6   2020-12-01  06:00:00    722.100
7   2020-12-01  07:00:00    739.925
8   2020-12-01  08:00:00    771.390
9   2020-12-01  09:00:00    797.415
10  2020-12-01  10:00:00    796.585
11  2020-12-01  11:00:00    791.875
12  2020-12-01  12:00:00    782.225
13  2020-12-01  13:00:00    783.540
14  2020-12-01  14:00:00    790.980
15  2020-12-01  15:00:00    815.555
16  2020-12-01  16:00:00    824.760
17  2020-12-01  17:00:00    782.265
18  2020-12-01  18:00:00    779.970
19  2020-12-01  19:00:00    784.640
20  2020-12-01  20:00:00    785.380
21  2020-12-01  21:00:00    785.840
22  2020-12-01  22:00:00    779.775
23  2020-12-01  23:00:00    763.775

由于Python 3+使用银行的舍入规则，因此我实现了一个自定义舍入函数，该函数使用了旧的舍入方法：

def _old_round(n):
    """
        Since Python 3+ the rounding is made through the Banker's Round Rule,
        this function uses the old rounding method (round up if 0.5).
        
        Args:
            n (float): A number with 3 thousands values after decimal point
        
        Returns:
            (float)  : The rounded number now with 2 decimal places, but using
                        the old round method
        Example:
            >>> _old_round(782.225)
            >>> 782.23
        Additional:
            For more information about rounding at Python 3, go to:
                https://stackoverflow.com/questions/10825926/python-3-x-rounding-behavior

    """
    # * Multiply ou number by 100 since we want to round the 2 decimal place
    new_n = n * 100
    # * Round using the Decimal lib, but using the old method
    n_dec = Decimal(new_n).quantize(Decimal('1'), rounding=ROUND_HALF_UP)
    # * Roll back to original format
    return float(n_dec / 100)

当我只使用数字时，该函数正常工作（参见上面的函数示例），但当我使用熊猫应用或映射来执行CMO（$/MWH）列中的计算时，有些值没有正确舍入（索引12），有人知道原因吗？在下面的计算中找到DF：

df['ROUNDED_CMO'] = df['CMO_($/MWH)'].apply(_old_round)
df

结果:

    INIT_DATE  INIT_HOUR  CMO_($/MWH)   NEW_CMO
0   2020-12-01  00:00:00    754.275     754.28
1   2020-12-01  01:00:00    728.130     728.13
2   2020-12-01  02:00:00    722.575     722.58
3   2020-12-01  03:00:00    722.045     722.05
4   2020-12-01  04:00:00    721.950     721.95
5   2020-12-01  05:00:00    721.035     721.04
6   2020-12-01  06:00:00    722.100     722.10
7   2020-12-01  07:00:00    739.925     739.93
8   2020-12-01  08:00:00    771.390     771.39
9   2020-12-01  09:00:00    797.415     797.42
10  2020-12-01  10:00:00    796.585     796.59
11  2020-12-01  11:00:00    791.875     791.88
12  2020-12-01  12:00:00    782.225     782.22 <
13  2020-12-01  13:00:00    783.540     783.54
14  2020-12-01  14:00:00    790.980     790.98
15  2020-12-01  15:00:00    815.555     815.56
16  2020-12-01  16:00:00    824.760     824.76
17  2020-12-01  17:00:00    782.265     782.27
18  2020-12-01  18:00:00    779.970     779.97
19  2020-12-01  19:00:00    784.640     784.64
20  2020-12-01  20:00:00    785.380     785.38
21  2020-12-01  21:00:00    785.840     785.84
22  2020-12-01  22:00:00    779.775     779.78
23  2020-12-01  23:00:00    763.775     763.78

索引12处的值应为：782.23而不是782.22，该函数适用于所有数据，但由于某些原因，不适用于该特定索引。。。我使用的是Miniconda环境（Windows 10），包括pandas 1.1.3、Python 3.6.12、jupyter notebook 6.1.4（我在这里运行代码）

Obs:我已经尝试使用Math.Ceil、Numpy.Ceil、Decimal-Package-Round选项，以及：Question 1、Question 2、Question 3的解决方案，它们都不能正常工作。我也已经尝试过了（指数12仍然没有四舍五入）：

df['ROUNDED_CMO'] = df['CMO_($/MWH)'].map(lambda x : _old_round(x))
df['ROUNDED_CMO'] = df['CMO_($/MWH)'].apply(lambda x : _old_round(x))

Answer 1

对我来说，你的代码工作得很好，也许你的软件包有版本问题。我将向你展示：

• 我的pandas版本：“1.0.5”
• 我的decimal版本：“1.70”

首先，我创建您的数据帧：

import pandas as pd
from decimal import Decimal, ROUND_HALF_UP

df = pd.DataFrame({
    "CMO_($/MWH)" :
        [
        754.275,
        728.130,
        722.575,
        722.045,
        721.950,
        721.035,
        722.100,
        739.925,
        771.390,
        797.415,
        796.585,
        791.875,
        782.225,
        783.540,
        790.980,
        815.555,
        824.760,
        782.265,
        779.970,
        784.640,
        785.380,
        785.840,
        779.775,
        763.775
        ]
})

然后我应用你的函数：

df['ROUNDED_CMO'] = df['CMO_($/MWH)'].map(lambda x : _old_round(x))

输出为：

CMO_($/MWH) ROUNDED_CMO
0   754.275 754.28
1   728.130 728.13
2   722.575 722.58
3   722.045 722.05
4   721.950 721.95
5   721.035 721.04
6   722.100 722.10
7   739.925 739.93
8   771.390 771.39
9   797.415 797.42
10  796.585 796.59
11  791.875 791.88
12  782.225 782.23
13  783.540 783.54
14  790.980 790.98
15  815.555 815.56
16  824.760 824.76
17  782.265 782.27
18  779.970 779.97
19  784.640 784.64
20  785.380 785.38
21  785.840 785.84
22  779.775 779.78
23  763.775 763.78