如何修改pandas中groupby操作的输出格式，以生成非常大的数字的科学计数法?
我知道如何在python中进行字符串格式化，但当涉及到在这里应用它时，我不知所措。
df1.groupby('dept')['data1'].sum()
dept
value1 1.192433e+08
value2 1.293066e+08
value3 1.077142e+08
这抑制了科学符号，如果我转换为字符串，但现在我只是想知道如何字符串格式和添加小数。
sum_sales_dept.astype(str)
当前回答
我有多个具有不同浮点数的数据帧，所以多亏了Allans的想法，使动态长度。
pd.set_option('display.float_format', lambda x: f'%.{len(str(x%1))-2}f' % x)
这个的负号是，如果你在浮点数中有最后一个0，它就会切掉它。所以不是0.000070，而是0.00007。
其他回答
当然，我在评论中链接的答案并不是很有用。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的方法，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一个坏主意，但如果你有一个很好的理由，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
这是另一种方法，类似于Dan Allan的答案，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
or
>>> pd.set_option('display.float_format', '{:.2f}'.format)
如果你想使用这些值，比如作为csv文件csv的一部分。在创建列表之前，可以对数字进行格式化:
df['label'].apply(lambda x: '%.17f' % x).values.tolist()
扩展这个有用的注释，下面是一个解决方案，设置格式选项只显示结果，而不永久更改选项:
with pd.option_context('display.float_format', lambda x: f'{x:,.3f}'):
display(sum_sales_dept)
dept
value1 119,243,300.0
value2 129,306,600.0
value3 107,714,200.0
你可以使用round函数来抑制特定数据帧的科学符号:
df1.round(4)
或者你可以通过以下方法全局抑制is:
pd.options.display.float_format = '{:.4f}'.format
