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

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

===========================================================================================

文章目录

• python DataFrame数据格式化

• • 1.设置小数位数
• • 1.1 数据框设置统一小数位数

• 1.2 数据框分别设置不同小数位数

• 1.3 通过Series设置DataFrame小数位数

• 1.4 applymap(自定义函数)

• 2. 设置百分比

• 3. 设置千分位分隔符

参考： python数据分析从入门到精通 明日科技编著 清华大学出版社

1.设置小数位数

---

---

1.1 数据框设置统一小数位数

以保留小数点后两位小数为例：

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.round(2))

---

1.2 数据框分别设置不同小数位数

以A1列保留小数点后一位、A2列保留小数点后两位为例

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.round({‘A1’: 1, ‘A2’: 2}))

---

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

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！