从Python熊猫聚合结果格式化/抑制科学计数法

162

如何对熊猫的groupby运算输出的格式进行修改，从而产生大量的科学计数法？

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很茫然。

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，这会抑制科学计数法，但是现在我只是想知道如何设置字符串格式并添加小数。

sum_sales_dept.astype(str)

— horatio1701d
source

2

抑制大熊猫的科学计数法

— Dan Allan 2014年

3

我看到了这个问题，但不确定如何帮助我。我只是想保留当前的dtype，它是float并仅在结果中显示所有小数而不是科学计数法。

— horatio1701d 2014年

那可能只是一个展示。但是，如果您认为问题的某些特殊之处使您的问题与Dan链接中的问题有所不同，那么您需要发布有关问题的更多信息，最好使用复制问题的小型数据集。另外dtypes，您的结果如何？

— TomAugspurger 2014年

237

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

我不确定这是否是首选的方法，但是可以。

仅出于美学目的将数字转换为字符串似乎是个坏主意，但是如果您有充分的理由，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

— 丹·艾伦
source

1

谢谢丹。您知道如何重设熊猫选项吗？

— 乔什（Josh）

1

@Josh要在pandas中临时设置选项，可以使用pandas.option_context（请参阅pandas.pydata.org/pandas-docs/stable/genic/…）。

— muellermarkus

它通常不是出于美学目的，而是为了通过大型数字数据框上的可视皮层更快地浏览信息。

— matanster

pd.set_option（'display.float_format'，lambda x：'％.3f'％x）也为我工作

— –driven_spider

5

这可以工作，您也可以使用更新的f字符串表示法。就像 pd.set_option('display.float_format', lambda x: f'{x:,.3f}')您也想要一千个分隔符一样。

— 576i

87

这是另一种方式，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

要么

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

— 汉斯
source

1

我认为，使用格式字符串对不太熟悉Python并且可能不了解lambda函数的团队成员更容易。

— 史蒂文·霍维尔

23

您可以使用舍入功能只是为了抑制特定数据框的科学计数法：

df1.round(4)

或者您可以通过以下方式抑制全局：

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

— 弗拉德·贝兹登
source

11

如果要在jupyter笔记本单元格中设置数据框输出的样式，则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。

— 弗洛雷斯
source

0

如果您想使用这些值（例如，作为csvfile csv.writer的一部分），则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()

— 邪恶的242
source