当 Pandas DataFrame 的单元格中存储的是浮点数列表（而非单个数值）时，标准的 float_format 等显示选项无效；需通过 apply 配合列表推导或 round 对嵌套结构逐元素处理，并生成新列用于格式化显示。
当 pandas dataframe 的单元格中存储的是浮点数列表（而非单个数值）时，标准的 `float_format` 等显示选项无效；需通过 `apply` 配合列表推导或 `round` 对嵌套结构逐元素处理，并生成新列用于格式化显示。
在 Pandas 中，pd.set_option('float_format', ...) 仅对标量浮点数生效，无法自动递归作用于嵌套在列表、元组或 NumPy 数组中的数值。若列中每个值是一个浮点数列表（例如 [[0.1231245678, 0, 0], [1e-10, 0, 0]]），则必须显式对每个子列表执行格式化操作。
推荐做法是创建一个只用于展示的新列，保留原始数据完整性，同时满足可读性需求。使用 apply 方法配合 lambda 和列表推导是最简洁、可读性强的方案：
import pandas as pd
df = pd.DataFrame(data={'Values': [[0.1231245678, 0, 0], [1e-10, 0, 0]]})
# 创建格式化后的新列（保留原列不变）
df['ValuesFormatted'] = df['Values'].apply(lambda x: [f"{item:.2f}" for item in x])
# 或者统一转为数值型（保留两位小数的 float，非字符串）
df['ValuesRounded'] = df['Values'].apply(lambda x: [round(item, 2) for item in x])
print(df)输出结果为：
Values ValuesFormatted ValuesRounded 0 [0.1231245678, 0, 0] [0.12, 0.00, 0.00] [0.12, 0.0, 0.0] 1 [1e-10, 0, 0] [0.00, 0.00, 0.00] [0.0, 0.0, 0.0]
⚠️ 注意事项：
- 若需严格对齐小数位（如
0.00而非0.0），应使用字符串格式化（f"{item:.2f}"），但此时该列为object类型，不可参与数值计算； - 若后续仍需数值运算，请用
round(..., 2)保持float类型，Pandas 会自动在显示时补零（取决于全局float_format，但对列表内元素无影响）； - 避免直接修改原列（如
df['Values'] = ...），以防丢失高精度原始数据； - 对于更复杂结构（如嵌套多层列表或含 NaN），建议封装为独立函数并添加异常处理。
总结：Pandas 不支持对容器型单元格的内置数值格式化，但通过 apply + 列表推导 可灵活、高效地实现定制化显示逻辑——这是处理“列表型数值列”的标准实践。
