Pandas DataFrame自定义数值格式：保留数值类型同时按需显示整数/三位小数

你的核心问题是：之前用applymap处理后返回了字符串，导致列类型变为object。要实现显示格式符合要求且底层数据仍为float64，应该使用Pandas的Styler对象——它仅控制数据的渲染方式，不会修改原始数据的类型或内容。

解决方案1：针对单个DataFrame应用自定义显示样式 #

直接通过Styler.format()传入你的格式化逻辑，底层数据保持不变：

import pandas as pd
import numpy as np

# 构造你的原始数据
df = pd.DataFrame({
    'A': [120000.0, 150000.0, 160000.0, 180000.0, 210000.0],
    'B': [1500000.0, 120000.0, -12600000000.0, -2640000.0, -4020000.0],
    'C': [8.343, 4.875, 1.406, np.nan, -2.063],
    'D': [2.325, 3.838, 5.350, 6.863, 8.376],
    'E': [6.453, 53.348, 100.242, 147.136, 194.031]
})

def custom_format(value):
    if pd.isnull(value) or np.isinf(value):
        return ''  # 若要显示NaN可改为'NaN'
    rounded = round(value, 3)
    return f'{int(rounded):.0f}' if rounded == int(rounded) else f'{rounded:.3f}'

# 生成样式化对象，仅控制显示
styled_df = df.style.format(custom_format)

# 在Jupyter/Notebook中直接显示styled_df即可看到效果
display(styled_df)

# 验证原始数据类型仍为float64
print(df.dtypes)

执行后，显示效果完全符合你的要求，而原始DataFrame的类型输出为：

A    float64
B    float64
C    float64
D    float64
E    float64
dtype: object

解决方案2：全局设置所有float类型的显示格式 #

如果希望所有float类型的DataFrame都自动应用该规则，可设置Pandas全局显示选项：

pd.options.display.float_format = custom_format

之后所有float列都会按规则显示，无需单独处理单个DataFrame。注意此设置会影响全局所有输出，按需使用。

为什么之前的方法会改变数据类型？ #

你之前的applymap(custom_format)会将每个数值转换为字符串（比如120000.0变成'120000'），Pandas会自动将这类混合字符串/NaN的列标记为object类型。而Styler不修改原始数据，只是在渲染时套用格式规则，因此能完美兼顾显示需求和数据类型。

内容的提问来源于stack exchange，提问作者Prototype51