Pandas DataFrame 高效格式化输出技巧

在使用Pandas处理数据时，常常需要自定义输出格式以增强可读性。本文通过一个案例演示如何根据数据类型（字符串、整数、浮点数）灵活定制DataFrame的显示格式，并解决使用apply方法时遇到的问题。

问题： 需要将DataFrame中的数据按照特定格式输出：字符串类型不变，整数类型转换为“万”为单位并保留一位小数，浮点数类型转换为百分比并保留两位小数。直接使用apply方法未能达到预期效果。

原始数据：

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"])

错误的apply方法：

以下代码尝试使用apply方法，但未能正确格式化：

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(x) else x), axis=1)

有效的解决方案：使用applymap

为了正确格式化，我们使用applymap函数对DataFrame的每个元素进行单独处理：

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)

此代码根据数据类型进行格式化：浮点数转换为百分比（保留两位小数），整数转换为“万”为单位（保留一位小数），其他类型保持不变。 applymap逐个单元格处理，解决了apply方法的不足，实现了预期的格式化效果。

通过applymap函数，我们可以高效地根据数据类型定制Pandas DataFrame的输出格式，使数据更清晰易懂。