格式化/抑制 Pandas 聚合结果的科学记数法答案

【问题标题】：Format / Suppress Scientific Notation from Pandas Aggregation Results格式化/抑制 Pandas 聚合结果的科学记数法
【发布时间】：2014-02-03 21:44:33
【问题描述】：

如何修改 pandas 中的 groupby 操作的输出格式，该操作为非常大的数字生成科学记数法？

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

如果我转换为字符串，这会抑制科学记数法，但现在我只是想知道如何格式化字符串和添加小数。

sum_sales_dept.astype(str)

【问题讨论】：

Suppressing scientific notation in pandas? 的可能重复项
我看到了这个问题，但我不确定这对我有什么帮助。我只是想保留当前的浮点数据类型，并在结果中简单地显示所有小数而不是科学记数法。
这可能只是一个展示的东西。但是，如果您认为您的问题有什么特别之处使您的问题与 Dan 的链接中的问题不同，那么您需要发布有关您的问题的更多信息，最好使用重现问题的小型数据集。另外，您的结果中的dtypes 是什么？

标签： python pandas floating-point scientific-notation number-formatting

【解决方案1】：

在全局范围内设置固定的小数位数通常不是一个好主意，因为对于您将显示的所有各种数据，无论大小如何，它都不太可能是适当的小数位数。相反，试试这个，它只会为您提供大和非常小的值的科学记数法（并添加千位分隔符，除非您省略“，”）：

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

或者要在不损失精度的情况下几乎完全抑制科学记数法，试试这个：

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

【讨论】：

谢谢！尽管在某些情况下，第一个选项会失败。

【解决方案2】：

我有多个具有不同浮点数的数据帧，因此感谢 Allans 的想法制作了动态长度。

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

这个缺点是如果你有最后一个 0 在浮动，它会削减它。所以它不会是 0.000070，而是 0.00007。

【讨论】：

迄今为止投票率最低的答案之一。

【解决方案3】：

如果您想在 jupyter 笔记本单元格中设置数据框的输出样式，您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}")

请参阅文档here。

【讨论】：

【解决方案4】：

这是另一种方法，类似于Dan Allan's answer，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

或

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

【讨论】：

我认为对于不太熟悉 Python 并且可能不理解 lambda 函数的团队成员来说，使用格式字符串会更容易接受。

【解决方案5】：

您可以使用 round 函数来抑制特定数据帧的科学记数法：

df1.round(4)

或者你可以通过以下方式全局抑制：

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

【讨论】：

【解决方案6】：

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

【讨论】：

【解决方案7】：

当然，我在 cmets 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方法，但它确实有效。

纯粹出于审美目的将数字转换为字符串似乎是个坏主意，但如果你有充分的理由，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

【讨论】：

谢谢丹。你知道如何重置 pandas 选项吗？
@Josh 要在 pandas 中临时设置选项，您可以使用pandas.option_context（参见pandas.pydata.org/pandas-docs/stable/generated/…）。
这通常不是为了审美目的，而是为了通过视觉皮层在大型数字数据帧上更快地浏览信息。
pd.set_option('display.float_format', lambda x: '%.3f' % x) 也为我工作
这行得通，您也可以使用较新的 f 字符串表示法。如果你也想要千位分隔符，就像 pd.set_option('display.float_format', lambda x: f'{x:,.3f}') 一样。