python DataFrame数据格式化(设置小数位数，百分比，千分位分隔符)

更新时间：2022年03月10日 09:06:35 作者：侯小啾

本文主要介绍了python DataFrame数据格式化，例如设置小数位数，百分比，千分位分隔符，具有一定的参考价值，感兴趣的可以了解一下

1.设置小数位数

1.1 数据框设置统一小数位数

以保留小数点后两位小数为例：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]), columns=['A1', 'A2', 'A3','A4','A5'])
print(df)
print("==================================")
print(df.round(2))

在这里插入图片描述

1.2 数据框分别设置不同小数位数

以A1列保留小数点后一位、A2列保留小数点后两位为例

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]), columns=['A1', 'A2', 'A3','A4','A5'])
print(df)
print("==================================")
print(df.round({'A1': 1, 'A2': 2}))

在这里插入图片描述

1.3 通过Series设置DataFrame小数位数

通过Series对象设置df小数位数，A1一位，A2零位，A3二位小数

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]), columns=['A1', 'A2', 'A3','A4','A5'])
print(df)
print("==================================")
s1 = pd.Series([1, 0, 2], index=['A1', 'A2', 'A3'])
print(df.round(s1))

在这里插入图片描述

1.4 applymap(自定义函数)

通过自定义函数设置小数位数，返回类型为object，以设置为二位小数为例

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]), columns=['A1', 'A2', 'A3','A4','A5'])
print(df)
print("==================================")
print(df.applymap(lambda x: '%.2f'%x))

在这里插入图片描述

用于对DataFrame的每一个数据操作使用**applymap()**方法用于对DataFrame中的数据进行按行或者按列操作 apply() 方法用于对Series中的每一个数据操作使用**map()**方法
更详细可以点击访问blog：python数据分析apply(),map(),applymap()用法归纳

2. 设置百分比

学习以下代码：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([5, 5]), columns=['A1', 'A2', 'A3', 'A4', 'A5'])
print(df)
print("==================================================================")
df['百分比'] = df['A1'].apply(lambda x: format(x, '.0%'))       # 整列保留0位小数
print(df)
print("==================================================================")
df['百分比'] = df['A1'].apply(lambda x: format(x, '.2%'))       # 整列保留两位小数
print(df)
print("==================================================================")
df['百分比'] = df['A1'].map(lambda x: '{:.0%}'.format(x))       # 整列保留0位小数，也可以使用map函数
print(df)

在这里插入图片描述

3. 设置千分位分隔符

import pandas as pd
data = [['aaaaaaa', '1月', 49768889], ['bbbbbbb', '2月', 11777775], ['ccccccc', '3月', 13799990]]
columns = ['name', 'month', 'num']
df = pd.DataFrame(data=data, columns=columns)
print(df)
print("================================================")
df['num'] = df['num'].apply(lambda x: format(int(x), ','))
print(df)

在这里插入图片描述

到此这篇关于python DataFrame数据格式化(设置小数位数，百分比，千分位分隔符)的文章就介绍到这了,更多相关python DataFrame数据格式化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python基础教程之增加和去除数字的千位分隔符

Python3内置模块之base64编解码方法详解
这篇文章主要介绍了Python3内置模块之base64编解码方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-07-07
Python中的len()函数是什么意思
这篇文章主要介绍了Python中的len()函数是什么意思以及len()函数使用，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-01-01
构建可视化 web的 Python 神器streamlit
这篇文章主要介绍了构建可视化web的Python神器streamlit，Streamlit是一个用于机器学习、数据可视化的Python框架，它能几行代码就构建出一个精美的在线app应用
2022-06-06
解决python3 requests headers参数不能有中文的问题
今天小编就为大家分享一篇解决python3 requests headers参数不能有中文的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-08-08
python切割图片的示例
这篇文章主要介绍了利用python切割图片的示例，帮助大家更好的利用python处理图片，感兴趣的朋友可以了解下
2020-11-11
Mac版Python3安装/升级的方式
这篇文章主要介绍了Mac版Python3安装/升级的方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-03-03
模型训练时GPU利用率太低的原因及解决
这篇文章主要介绍了模型训练时GPU利用率太低的原因及解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-02-02
python实现将一个数组逆序输出的方法
今天小编就为大家分享一篇python实现将一个数组逆序输出的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-06-06
时间序列重采样和pandas的resample方法示例解析
这篇文章主要为大家介绍了时间序列重采样和pandas的resample方法示例解析,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2023-09-09
详解Python的collections模块中的deque双端队列结构
deque结构可以看作是内置的list结构的加强版,且比队列提供了更强大的方法,下面就通过几个小例子来详解Python的collections模块中的deque双端队列结构:
2016-07-07