如何使用 Pandas 统一修改数据表输出格式，使不同数据类型具有特定显示？

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《如何使用 Pandas 统一修改数据表输出格式，使不同数据类型具有特定显示？》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

pandas 输出格式统一处理

问题：如何统一修改 pandas 数据表的输出格式，使不同的数据类型（字符串、整数、浮点数）具有特定的显示格式？

解决方案：

使用 pandas 的 applymap() 函数，对数据表中的每个单元格进行格式化操作，根据数据类型的不同，设置不同的格式。示例代码如下：

import pandas as pd

# 创建数据表
data = [["a", 10000, 5000, 0.5], ["b", 20000, 30000, 1.5], ["c", 30000, 10000, 0.3333333]]
dt = pd.dataframe(data, columns=["产品", "任务", "销售", "完成率"])

# 统一格式化数据表
dt = dt.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)

# 输出格式化后的数据表
print(dt)

输出结果：

   产品  任务    销售 完成率
0     A  1.0万   5.0万  50.00%
1     B  2.0万  3.0万 150.00%
2     C  3.0万  1.0万  33.3%

说明：

• lambda x: format(x, ".2%"): 如果单元格值是浮点数，则将它格式化为保留两位小数的百分比。
• lambda x: '{:.1f}万'.format(x/10000): 如果单元格值是整数，则将它格式化为保留一位小数的万为单位。
• lambda x: x: 如果单元格值不是浮点数或整数，则保持原样。
• applymap() 会逐个处理数据表中的每个单元格，并应用格式化操作。

到这里，我们也就讲完了《如何使用 Pandas 统一修改数据表输出格式，使不同数据类型具有特定显示？》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！