如果不想修改数据帧，可以为该列使用自定义格式化器。

import pandas as pd
pd.options.display.float_format = '${:,.2f}'.format
df = pd.DataFrame([123.4567, 234.5678, 345.6789, 456.7890],
                  index=['foo','bar','baz','quux'],
                  columns=['cost'])


print df.to_string(formatters={'cost':'${:,.2f}'.format})

收益率

        cost
foo  $123.46
bar  $234.57
baz  $345.68
quux $456.79

类似于上面的unutbu，你也可以像下面这样使用applymap:

import pandas as pd
df = pd.DataFrame([123.4567, 234.5678, 345.6789, 456.7890],
                  index=['foo','bar','baz','quux'],
                  columns=['cost'])

df = df.applymap("${0:.2f}".format)

您还可以将locale设置为您的地区，并将float_format设置为使用货币格式。这将自动设置$符号的货币在美国。

import locale

locale.setlocale(locale.LC_ALL, "en_US.UTF-8")

pd.set_option("float_format", locale.currency)

df = pd.DataFrame(
    [123.4567, 234.5678, 345.6789, 456.7890],
    index=["foo", "bar", "baz", "quux"],
    columns=["cost"],
)
print(df)

        cost
foo  $123.46
bar  $234.57
baz  $345.68
quux $456.79

如果您不想永久地改变显示格式，并且可能稍后应用一种新的格式，我个人倾向于使用资源管理器(Python中的with语句)。在你的例子中，你可以这样做:

with pd.option_context('display.float_format', '${:0.2f}'.format):
   print(df)

如果您碰巧在代码中需要不同的格式，您可以通过改变上面代码片段中的格式来更改它。

从Pandas 0.17开始，现在有了一个样式系统，它基本上使用Python格式字符串提供了DataFrame的格式化视图:

import pandas as pd
import numpy as np

constants = pd.DataFrame([('pi',np.pi),('e',np.e)],
                   columns=['name','value'])
C = constants.style.format({'name': '~~ {} ~~', 'value':'--> {:15.10f} <--'})
C

它显示

这是一个视图对象;DataFrame本身并不改变格式，但是DataFrame中的更新会反映在视图中:

constants.name = ['pie','eek']
C

然而，它似乎有一些局限性:

就地添加新行和/或列似乎会导致样式视图不一致(不添加行/列标签): 常量。Loc [2] = dict(name='bogus'， value=123.456) 常量['comment'] = ['fee'，'fie'，'fo'] 常量

看起来不错，但是:

C

格式化仅适用于值，而不适用于索引项: 常量= pd.DataFrame(((“π”,np.pi)(“e”,np.e)], 列=['名称','价值']) constants.set_index(“名字”,原地= True) C = constants.style。格式({的名字 ': '~~ {} ~~', ' 价值”:“- > {:15.10 f} <——'}) C

简介:

    df = pd.DataFrame({'money': [100.456, 200.789], 'share': ['100,000', '200,000']})
    print(df)
    print(df.to_string(formatters={'money': '${:,.2f}'.format}))
    for col_name in ('share',):
        df[col_name] = df[col_name].map(lambda p: int(p.replace(',', '')))
    print(df)
    """
        money    share
    0  100.456  100,000
    1  200.789  200,000

        money    share
    0 $100.46  100,000
    1 $200.79  200,000

         money   share
    0  100.456  100000
    1  200.789  200000
    """