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!

相关文章

  • 对python程序内存泄漏调试的记录

    对python程序内存泄漏调试的记录

    今天小编就为大家分享一篇对python程序内存泄漏调试的记录,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
  • Ubuntu中安装指定Python版本方法详解(理论上各版本通用)

    Ubuntu中安装指定Python版本方法详解(理论上各版本通用)

    现在基于linux的发行版本有很多,有centos,ubuntu等,一般基于linux的衍生系统至少都安装了Python2版本,但是现在Python已经是3.x版本大行其道了,这篇文章主要给大家介绍了关于Ubuntu中安装指定Python版本方法的相关资料,理论上各版本通用,需要的朋友可以参考下
    2023-06-06
  • python爬虫 正则表达式使用技巧及爬取个人博客的实例讲解

    python爬虫 正则表达式使用技巧及爬取个人博客的实例讲解

    下面小编就为大家带来一篇python爬虫 正则表达式使用技巧及爬取个人博客的实例讲解。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-10-10
  • python分批定量读取文件内容,输出到不同文件中的方法

    python分批定量读取文件内容,输出到不同文件中的方法

    今天小编就为大家分享一篇python分批定量读取文件内容,输出到不同文件中的方法,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
    2018-12-12
  • Python对Excel不同的行分别复制不同的次数

    Python对Excel不同的行分别复制不同的次数

    这篇文章主要介绍了如何利用Python实现读取Excel表格文件数据,并将其中符合我们特定要求的那一行加以复制指定的次数,感兴趣的小伙伴可以学习一下
    2023-07-07
  • Python Web服务器Tornado使用小结

    Python Web服务器Tornado使用小结

    最近在做一个网站的后端开发。因为初期只有我一个人做,所以技术选择上很自由。在 web 服务器上我选择了 Tornado。虽然曾经也读过它的源码,并做过一些小的 demo,但毕竟这是第一次在工作中使用,难免又发现了一些值得分享的东西
    2014-05-05
  • python使用电子邮件模块smtplib的方法

    python使用电子邮件模块smtplib的方法

    这篇文章主要介绍了python使用电子邮件模块smtplib的方法,需要的朋友可以参考下
    2016-08-08
  • Python网络爬虫实例讲解

    Python网络爬虫实例讲解

    这篇文章主要为大家详细介绍了Python网络爬虫实例,爬虫的定义、主要框架等基础概念,感兴趣的小伙伴们可以参考一下
    2016-04-04
  • python 爬虫爬取京东ps4售卖情况

    python 爬虫爬取京东ps4售卖情况

    这篇文章主要介绍了python 如何用爬虫爬取京东ps4售卖情况,帮助大家更好的利用python爬取自己想要的数据,感兴趣的朋友可以了解下
    2020-12-12
  • Pytorch中Softmax与LogSigmoid的对比分析

    Pytorch中Softmax与LogSigmoid的对比分析

    这篇文章主要介绍了Pytorch中Softmax与LogSigmoid的对比分析,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
    2021-06-06

最新评论