Pandas DataFrame高效格式化输出技巧
在Pandas数据处理中，为了提升数据可读性，常常需要对输出结果进行格式化。本文将演示如何根据数据类型（字符串、整数、浮点数）分别定制Pandas DataFrame的输出格式，解决使用...
Pandas DataFrame高效格式化输出技巧
在Pandas数据处理中，为了提升数据可读性，常常需要对输出结果进行格式化。本文将演示如何根据数据类型（字符串、整数、浮点数）分别定制Pandas DataFrame的输出格式，解决使用apply方法未能达到预期效果的问题。
问题： 需要格式化一个包含字符串、整数和浮点数列的DataFrame，要求整数列以“万”为单位显示，保留一位小数；浮点数列以百分比形式显示，保留两位小数；字符串列保持不变。
解决方案： 使用applymap函数，它能对DataFrame的每个元素应用指定的函数。结合Pandas的类型判断函数（pd.api.types.is_float，pd.api.types.is_integer），可以高效地实现这一目标：
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: f"{x:.2%}" if pd.api.types.is_float(x) else f"{x/10000:.1f}万" if pd.api.types.is_integer(x) else x)
print(df)
代码首先创建DataFrame，然后使用applymap和一个lambda函数处理每个元素。lambda函数根据数据类型进行条件判断：浮点数格式化为百分比（保留两位小数）；整数除以10000后格式化为保留一位小数并添加“万”单位；字符串保持不变。 这种方法比逐列设置格式更简洁高效。
以上就是Pandas DataFrame如何实现不同数据类型列的格式化输出？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