pandas dataframe自定义格式化输出：根据数据类型调整显示
本文介绍如何使用Pandas高效地根据数据类型自定义DataFrame的输出格式。 我们将以一个包含字符串、整数和浮点数列的DataFrame为例，演示如何将整数列以...
pandas dataframe自定义格式化输出：根据数据类型调整显示
本文介绍如何使用Pandas高效地根据数据类型自定义DataFrame的输出格式。 我们将以一个包含字符串、整数和浮点数列的DataFrame为例，演示如何将整数列以“万”为单位显示（保留一位小数），浮点数列显示为百分比（保留两位小数），而字符串列保持不变。
问题： 直接使用apply函数结合类型判断进行格式化效率较低且不够简洁。
解决方案： 使用applymap函数，它能更直接地对每个单元格应用自定义格式化规则。
以下代码展示了如何使用applymap实现目标格式化：
import pandas as pd
data = [["A", 10000, 5000, 0.5], ["B", 20000, 30000, 1.5], ["C", 30000, 10000, 0.3333333]]
df = pd.DataFrame(data, columns=["产品", "任务", "销售", "完成率"])
df = df.applymap(lambda x: format(x, ".2%") if pd.api.types.is_float(x)
else '{:.1f}万'.format(x / 10000) if pd.api.types.is_integer(x)
else x)
print(df)
代码中，applymap函数对每个单元格应用一个lambda函数。该lambda函数根据Pandas的pd.api.types.is_float和pd.api.types.is_integer函数判断数据类型，并应用相应的格式化规则：
- 浮点数：使用.2%格式化为百分比，保留两位小数。
- 整数：除以10000后，保留一位小数，并添加“万”字后缀。
- 字符串：保持原样。
这种方法比逐列设置格式更简洁高效，一次性完成整个DataFrame的格式化。
通过这个例子，您可以轻松地根据不同数据类型，自定义Pandas DataFrame的输出格式，从而提高数据可读性。
以上就是Pandas DataFrame如何根据数据类型实现自定义格式化输出？的详细内容，更多请关注知识资源分享宝库其它相关文章！
版权声明
本站内容来源于互联网搬运，
仅限用于小范围内传播学习，请在下载后24小时内删除，
如果有侵权内容、不妥之处，请第一时间联系我们删除。敬请谅解!
E-mail：dpw1001@163.com
发表评论