python DataFrame数据格式化（设置小数位数，百分比，千分位分隔符）

---

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

---

2. 设置百分比

---

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)

---

3. 设置千分位分隔符

---

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