使用 pandas.DataFrame.to_csv() 按列输出不同的精度？

Question

问题

是否可以专门为 Python pandas包方法pandas.DataFrame.to_csv打印的每一列指定浮点精度？

背景

如果我有一个像这样排列的pandas数据框：

In [53]: df_data[:5]
Out[53]: 
    year  month  day       lats       lons  vals
0   2012      6   16  81.862745 -29.834254   0.0
1   2012      6   16  81.862745 -29.502762   0.1
2   2012      6   16  81.862745 -29.171271   0.0
3   2012      6   16  81.862745 -28.839779   0.2
4   2012      6   16  81.862745 -28.508287   0.0

有一个float_format选项可用于指定精度，但这会在打印时将该精度应用于数据帧的所有列。

当我像这样使用它时：

df_data.to_csv(outfile, index=False,
                   header=False, float_format='%11.6f')

我得到以下信息，其中vals的精度不准确：

2012,6,16,  81.862745, -29.834254,   0.000000
2012,6,16,  81.862745, -29.502762,   0.100000
2012,6,16,  81.862745, -29.171270,   0.000000
2012,6,16,  81.862745, -28.839779,   0.200000
2012,6,16,  81.862745, -28.508287,   0.000000

Answer 1

在将数据框导出到 CSV 文件之前更改列“vals”的类型

df_data['vals'] = df_data['vals'].map(lambda x: '%2.1f' % x)

df_data.to_csv(outfile, index=False, header=False, float_format='%11.6f')

Answer 2

hknust 第一行的最新版本是：

df_data['vals'] = df_data['vals'].map(lambda x: '{0:.1}'.format(x))

不使用科学记数法打印：

df_data['vals'] = df_data['vals'].map(lambda x: '{0:.1f}'.format(x)) 

Answer 3

在将数据帧保存到文件之前，您可以对数据帧使用round方法。

df_data = df_data.round(6)
df_data.to_csv('myfile.dat')

Answer 4

你可以用to_string做到这一点。 有一个formatters参数，您可以在其中向格式化程序提供列名称的​​字典。 然后您可以使用一些正则表达式用您选择的分隔符替换默认的列分隔符。

Answer 5

这个问题有点老了，但我想提供一个更好的答案，我认为是：

formats = {'lats': '{:10.5f}', 'lons': '{:.3E}', 'vals': '{:2.1f}'}

for col, f in formats.items():
    df_data[col] = df_data[col].map(lambda x: f.format(x))

我尝试了这里的解决方案，但它对我不起作用，我决定尝试结合上面链接中给出的以前的解决方案。

Answer 6

@mattexx 建议的to_string方法对我来说看起来更好，因为它不会修改数据帧。

使用时，也概括了很好jupyter笔记本电脑变得相当HTML输出，通过to_html方法。 在这里，我们将新的默认精度设置为 4，并覆盖它以获得wider的特定列的 5 位数字：

from IPython.display import HTML
from IPython.display import display

pd.set_option('precision', 4)

display(HTML(df.to_html(formatters={'wider': '{:,.5f}'.format})))