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))
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))
-
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
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)
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)
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划