如何在Pandas的value counts结果中筛选指定行并优化百分比展示

一、筛选指定索引的行 #

你用loc结合isin()筛选失败，大概率是因为索引类型不匹配：你的DataFrame里5、4这些索引是整数类型，但你传入的筛选列表是字符串['5','4','3','2','1','0']，类型对不上自然匹配不到结果。

给你两种解决办法：

• 方法1：将筛选列表改成整数类型，直接匹配

target_indices = [5, 4, 3, 2, 1, 0]
filtered_df = ratings.loc[ratings.index.isin(target_indices)]

• 方法2：先把索引转为字符串类型，再用原字符串列表筛选

# 先转换索引类型
ratings.index = ratings.index.astype(str)
# 再筛选
filtered_df = ratings.loc[ratings.index.isin(['5','4','3','2','1','0'])]
# 也可以一步完成
filtered_df = ratings.loc[ratings.index.astype(str).isin(['5','4','3','2','1','0'])]

二、更优雅的百分比展示方式 #

没必要手动乘以100再取整，用Python的字符串格式化或者pandas自带的工具就能轻松实现：

• 方法1：用applymap批量格式化数值，生成带百分号的字符串

# 保留2位小数的百分比格式，可按需调整小数位数
formatted_df = ratings.applymap(lambda x: "{:.2%}".format(x))

• 方法2：如果是在Jupyter环境中展示表格，用style.format更直观美观

# 同样可调整小数位数，比如{:.1%}保留1位小数
ratings.style.format("{:.2%}")

这种方式会自动完成乘100、添加百分号的操作，比手动计算更简洁，还能保证精度。

内容的提问来源于stack exchange，提问作者elksie5000