如何在pandas中为数字添加千位分隔符

Question

假设我有一个pandas数据框，想要给所有数字（包括整数和浮点数）添加千位分隔符，有什么简单快捷的方法可以做到吗？

- DanZimmerman

Answer 1

在使用,格式化数字时，你可以直接使用'{:,}'.format：

n = 10000
print '{:,}'.format(n)
n = 1000.1
print '{:,}'.format(n)

在pandas中，您可以使用formatters参数来格式化to_html，如此处所讨论的那样。

num_format = lambda x: '{:,}'.format(x)
def build_formatters(df, format):
    return {
        column:format 
        for column, dtype in df.dtypes.items()
        if dtype in [ np.dtype('int64'), np.dtype('float64') ] 
    }
formatters = build_formatters(data_frame, num_format)
data_frame.to_html(formatters=formatters)

在stackoverflow上已经讨论了很多关于添加千位分隔符的问题。您可以在这里或这里阅读。

- 2ps

---

它不能处理包含整数的数据框。只适用于浮点数。 - Ranadip Dutta

Answer 2

假设您只想显示（或呈现为HTML）带有千位分隔符的浮点数/整数，您可以使用styling，该功能在版本0.17.1中添加：

import pandas as pd
df = pd.DataFrame({'int': [1200, 320], 'flt': [5300.57, 12000000.23]})

df.style.format('{:,}')

使用Styler的渲染方法，可以将此输出呈现为html。

- lcvriend

---

使用pandas 2.1.0和Pycharm Pro，这对浮点数有效，但对于int32和pd.Int64Dtype()无效。 - undefined

Answer 3

使用Series.map或Series.apply方法，参考这个解决方案：

df['col'] = df['col'].map('{:,}'.format)
df['col'] = df['col'].map(lambda x: f'{x:,}')

---

df['col'] = df['col'].apply('{:,}'.format)
df['col'] = df['col'].apply(lambda x: f'{x:,}')

- jezrael

---

所有4个版本都会将列的dtype更改为object，这对于仍然希望进行计算是没有用的。（Pandas版本：2.1.0） - undefined

Answer 4

步骤

• 使用df.applymap()将函数应用于数据框中的每个单元格
• 检查单元格值是否为int或float类型
• 对整数使用f'{x:,d}'格式化数字，对浮点数使用f'{x:,f}'格式化数字

这里是一个仅针对整数的简单示例：

df = df.applymap(lambda x: f'{x:,d}' if isinstance(x, int) else x)

- Maksim

Answer 5

如果你想让“.”作为千分位分隔符，“,”作为小数点，可以使用以下方法：

``` Data = pd.read_Excel(path) Data[my_numbers] = Data[my_numbers].map('{:,.2f}'.format).str.replace(",", "~").str.replace(".", ",").str.replace("~", ".") ```

如果你想要三个小数位，而不是两个，你需要将"2f"替换为"3f"：

``` Data[my_numbers] = Data[my_numbers].map('{:,.3f}'.format).str.replace(",", "~").str.replace(".", ",").str.replace("~", ".") ```

请注意保留HTML标签。

- Pablo Vilas

Answer 6

在to_html中的formatters参数将接受一个字典。

点击示例链接进行参考

- Ranadip Dutta