格式化/抑制 Pandas 聚合结果的科学记数法

Question

如何修改 pandas 中的 groupby 操作的输出格式，该操作为非常大的数字生成科学记数法？

我知道如何在 python 中进行字符串格式化，但是在这里应用它时我不知所措。

df1.groupby('dept')['data1'].sum()

dept
value1       1.192433e+08
value2       1.293066e+08
value3       1.077142e+08

如果我转换为字符串，这会抑制科学记数法，但现在我只是想知道如何格式化字符串和添加小数。

sum_sales_dept.astype(str)

Answer 1

当然，我在评论中链接的答案不是很有帮助。 您可以像这样指定自己的字符串转换器。

In [25]: pd.set_option('display.float_format', lambda x: '%.3f' % x)

In [28]: Series(np.random.randn(3))*1000000000
Out[28]: 
0    -757322420.605
1   -1436160588.997
2   -1235116117.064
dtype: float64

我不确定这是否是执行此操作的首选方式，但它确实有效。

纯粹出于审美目的将数字转换为字符串似乎是个坏主意，但如果你有充分的理由，这是一种方法：

In [6]: Series(np.random.randn(3)).apply(lambda x: '%.3f' % x)
Out[6]: 
0     0.026
1    -0.482
2    -0.694
dtype: object

Answer 2

这是另一种方法，类似于Dan Allan 的答案，但没有 lambda 函数：

>>> pd.options.display.float_format = '{:.2f}'.format
>>> Series(np.random.randn(3))
0    0.41
1    0.99
2    0.10

或者

>>> pd.set_option('display.float_format', '{:.2f}'.format)

Answer 3

您可以使用 round 函数来抑制特定数据帧的科学记数法：

df1.round(4)

或者您可以通过以下方式全局抑制：

pd.options.display.float_format = '{:.4f}'.format

Answer 4

如果要在 jupyter notebook 单元格中设置数据框的输出样式，可以基于每个数据框设置显示样式：

df = pd.DataFrame({'A': np.random.randn(4)*1e7})
df.style.format("{:.1f}")

请参阅此处的文档。

Answer 5

全局设置固定的小数位数通常不是一个好主意，因为无论大小如何，它都不太可能是您将显示的所有各种数据的适当小数位数。 相反，试试这个，它只会为你提供大和非常小的值的科学记数法（并添加千位分隔符，除非你省略“，”）：

pd.set_option('display.float_format', lambda x: '%,g' % x)

或者要在不损失精度的情况下几乎完全抑制科学记数法，试试这个：

pd.set_option('display.float_format', str)

Answer 6

我有多个具有不同浮点的数据帧，因此对 Allans 的想法表示感谢，使之成为动态长度。

pd.set_option('display.float_format', lambda x: f'%.{len(str(x%1))-2}f' % x)

这样做的缺点是，如果你有最后一个 0 浮动，它会削减它。 所以它将不是 0.000070，而是 0.00007。

Answer 7

如果您想使用这些值，例如作为 csvfile csv.writer 的一部分，可以在创建列表之前对数字进行格式化：

df['label'].apply(lambda x: '%.17f' % x).values.tolist()

Answer 8

扩展这个有用的评论，这里是一个解决方案，设置格式选项只显示结果而不永久更改选项：

with pd.option_context('display.float_format', lambda x: f'{x:,.3f}'):
    display(sum_sales_dept)

dept
value1  119,243,300.0
value2  129,306,600.0
value3  107,714,200.0