PandasDataFrame数据类型自定义格式化输出攻略

本文介绍Pandas DataFrame自定义格式化输出的技巧，旨在提升数据可读性。针对包含不同数据类型（字符串、整数、浮点数）的DataFrame，文章提出并解决了使用`apply`函数效率低下的问题。通过`applymap`函数结合lambda表达式和数据类型判断(`pd.api.types.is_float`和`pd.api.types.is_integer`)，可以高效地将整数列格式化为“万”为单位（保留一位小数），浮点数列格式化为百分比（保留两位小数），字符串列保持不变，最终实现整个DataFrame的自定义格式化输出。 这比逐列设置格式更简洁高效。

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。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~