Pandas DataFrame高效格式化输出技巧
在使用Pandas处理数据时，为了提升数据可读性，常常需要对DataFrame的输出格式进行自定义。本文将通过一个案例，讲解如何根据数据类型对DataFrame进行精准格式化。
问题： 需要根据数据类型（字符串、整数、浮点数）分别定制DataFrame的输出格式。例如，整数型数据需要转换为“万”为单位并保留一位小数，浮点数则保留两位小数并以百分比形式显示。
错误尝试： 一些用户尝试使用apply函数结合类型判断进行格式化，但效果不佳。例如：
import pandas as pd data = [["a", 10000, 5000, 0.5], ["b", 20000, 30000, 1.5], ["c", 30000, 10000, 0.3333333]] dt = pd.DataFrame(data, columns=["产品", "任务", "销售", "完成率"]) dt = dt.apply(lambda x: format(x, ".2%") if pd.api.types.is_float_dtype(x) else (str(round(x / 10000, 1)) + "万" if pd.api.types.is_integer_dtype(x) else x), axis=1)
上述代码的问题在于apply函数按行处理数据，而类型判断函数作用于整列，无法对每个单元格进行精确的类型判断。
Python v2.4 中文手册 chm
下载
Python v2.4版chm格式的中文手册，内容丰富全面，不但是一本手册，你完全可以把她作为一本Python的入门教程，教你如何使用Python解释器、流程控制、数据结构、模板、输入和输出、错误和异常、类和标准库详解等方面的知识技巧。同时后附的手册可以方便你的查询。
解决方案：
为了解决这个问题，可以使用applymap函数，它能够对DataFrame的每个单元格进行操作。 以下代码提供了一个有效的解决方案：
dt = dt.applymap(lambda x: format(x, ".2%") if pd.api.types.is_float(x) else '{:.1f}万'.format(x / 10000) if pd.api.types.is_integer(x) else x)
applymap函数将匿名函数应用于DataFrame的每个元素。 通过pd.api.types.is_float和pd.api.types.is_integer判断数据类型，并根据类型选择相应的格式化方法。整数型数据除以10000后保留一位小数并添加“万”单位，浮点数则保留两位小数并转换为百分比格式，字符串类型保持不变。 这样就实现了根据数据类型进行精准格式化输出的目标。
