直接控制to_csv(float_format)可避免CSV科学计数法——float_format仅作用于数值列，强制格式化浮点数输出；display.float_format只影响显示，不影响文件序列化。

直接控制 float_format 参数或预设 pd.options.display.float_format，就能避免 Pandas 写入 CSV 时自动转成科学计数法——不是数据变了，是显示格式没锁住。

用 to_csv(float_format) 强制指定小数位数

这是最干净、作用域最明确的方式。只要你在调用 to_csv() 时传入 float_format，Pandas 就会在写入前对所有浮点数统一格式化，不依赖全局设置，也不影响其他操作。

• float_format='%.6f'：保留 6 位小数，末尾零不省略（如 12.300000）
• float_format='%.2f'：适合金额类字段，但注意会四舍五入（12.345 → 12.35）
• 别用 float_format='%.0f' 处理含小数的列，否则会丢精度（12.9 → 13）
• 如果某些列是整数但被识别为 float64（比如含 NaN），先用 df[col] = df[col].astype('Int64') 转成可空整型，再写入，比硬套 float_format 更稳妥

为什么 pd.set_option('display.float_format', ...) 不起作用？

因为 pd.set_option('display.float_format', ...) 只影响 print(df) 或 Jupyter 输出，和 to_csv() 完全无关。很多人试了这个发现 CSV 还是科学计数，就是混淆了「显示」和「序列化」两个阶段。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• display.float_format 是给终端看的，不是给文件写的
• to_csv() 默认用 Python 原生 str() 转浮点，而 str(0.000123) 就是 '1.23e-04'
• 除非你手动重写 to_csv 的底层 formatter（不推荐），否则必须显式传 float_format

遇到混合类型列（比如数字+空字符串）导致格式失效？

当某列里既有数字又有非数字（如空字符串 ''、'N/A'），Pandas 会把它设为 object 类型，此时 float_format 完全不生效——它只对数值型列（float64, int64 等）起作用。

立即学习“Python免费学习笔记（深入）”；

• 先检查列类型：print(df['col'].dtype)，如果是 object，就得清洗
• 用 pd.to_numeric(df['col'], errors='coerce') 把非法值转为 NaN，再处理缺失
• 清洗后若仍需保留原始字符串（如 ID 列含前导零），就别用 float_format，改用 df['col'] = df['col'].astype(str) 预转字符串，再写入
• CSV 本身没有类型，所谓“不科学计数”本质是让数字以纯十进制字符串形式落地，所以预转 str 是兜底手段

真正容易被忽略的是：科学计数法问题往往不是出在写入那一刻，而是源头数据类型已经混杂，或者误以为 display 设置能影响文件输出。盯住 dtype 和 float_format 这两个点，比调各种 option 有效得多。