格式化/抑制 Pandas 聚合結果的科學記數法

Question

如何修改 pandas 中的 groupby 操作的輸出格式，該操作為非常大的數字生成科學記數法？

我知道如何在 python 中進行字符串格式化，但是在這里應用它時我不知所措。

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

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

如果我轉換為字符串，這會抑制科學記數法，但現在我只是想知道如何格式化字符串和添加小數。

sum_sales_dept.astype(str)

Answer 1

當然，我在評論中鏈接的答案不是很有幫助。 您可以像這樣指定自己的字符串轉換器。

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

我不確定這是否是執行此操作的首選方式，但它確實有效。

純粹出於審美目的將數字轉換為字符串似乎是個壞主意，但如果你有充分的理由，這是一種方法：

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

這是另一種方法，類似於Dan Allan 的答案，但沒有 lambda 函數：

>>> 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 函數來抑制特定數據幀的科學記數法：

df1.round(4)

或者您可以通過以下方式全局抑制：

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

Answer 4

如果要在 jupyter notebook 單元格中設置數據框的輸出樣式，可以基於每個數據框設置顯示樣式：

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

請參閱此處的文檔。

Answer 5

全局設置固定的小數位數通常不是一個好主意，因為無論大小如何，它都不太可能是您將顯示的所有各種數據的適當小數位數。 相反，試試這個，它只會為你提供大和非常小的值的科學記數法（並添加千位分隔符，除非你省略“，”）：

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

或者要在不損失精度的情況下幾乎完全抑制科學記數法，試試這個：

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

Answer 6

我有多個具有不同浮點的數據幀，因此對 Allans 的想法表示感謝，使之成為動態長度。

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

這樣做的缺點是，如果你有最后一個 0 浮動，它會削減它。 所以它將不是 0.000070，而是 0.00007。

Answer 7

如果您想使用這些值，例如作為 csvfile csv.writer 的一部分，可以在創建列表之前對數字進行格式化：

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

Answer 8

擴展這個有用的評論，這里是一個解決方案，設置格式選項只顯示結果而不永久更改選項：

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