如何格式化Pandas DataFrame数值，消除科学计数法并添加指定格式

问题需求 #

需要将Pandas DataFrame的输出从科学计数法转换为指定样式，要求数值包含美元符号、百分号、千分位分隔符，具体场景如下：

原代码 #

import requests
import pandas as pd

url = "https://coinmarketcap.com/new/"
page = requests.get(url,headers={'User-Agent': 'Mozilla/5.0'}, timeout=1)
pagedata = page.text
usecols = ["Name", "Price", "1h", "24h", "MarketCap", "Volume"]#, "Blockchain"]


df = pd.read_html(pagedata)[0] #Checking table
df[["Name", "Symbol"]] = df["Name"].str.split(r"\d+", expand=True)
df = df.rename(columns={"Fully Diluted Market Cap": "MarketCap"})[usecols]

numcols = df.columns[df.columns != 'Name']
df[numcols] = df[numcols].apply(lambda c:pd.to_numeric(c.str.replace(r'[^\d.]|(?<!\d)\.|\.(?!\d)', '', regex=True)))
df = df.sort_values('24h', ascending=False)

print (df)

当前输出（科学计数法） #

Name         Price     1h     24h     MarketCap    Volume
0        DollarPepe  4.402000e-02  16.87  597.88  4.000000e+00    541219
12    Perry The BNB  5.442000e-08   2.90  519.49  1.144662e+07  25606468
2              JEFF  1.802000e-01   3.66  202.07  1.802032e+07  21195038
19              KEK  5.665000e-08  57.52  154.52  4.405980e+06   5925829
16        FlokiPepe  2.836000e-09  34.48  118.71  1.193154e+06   1394199
1       Billy Token  3.168000e-05  11.69   72.83  2.198928e+06   5389786

期望输出（带指定格式） #

Name  Price         1h      24h        MarketCap        Volume
0        DollarPepe  $0.04     $17.72%  16.87%           $586.08         $4.0     
12    Perry The BNB  $0.00      $2.66%   $557%    $12,086,284.00  $25,525,925
2              JEFF  $0.18      $1.91%   $194%    $17,541,936.00  $21,178,793
19              KEK  $0.00     $57.80%   $221%     $5,560,854.00   $5,864,987
16        FlokiPepe  $0.00     $22.75%   $110%     $1,132,337.00   $1,382,867
1       Billy Token  $0.00     $14.31%    $72%     $2,235,948.00   $5,405,861

解决方案 #

通过全局关闭科学计数法，再针对不同列设置专属格式化规则，即可实现需求。修改后的完整代码如下：

import requests
import pandas as pd

# 全局关闭科学计数法显示
pd.options.display.float_format = '{:.2f}'.format

url = "https://coinmarketcap.com/new/"
page = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'}, timeout=1)
pagedata = page.text
usecols = ["Name", "Price", "1h", "24h", "MarketCap", "Volume"]

df = pd.read_html(pagedata)[0]
df[["Name", "Symbol"]] = df["Name"].str.split(r"\d+", expand=True)
df = df.rename(columns={"Fully Diluted Market Cap": "MarketCap"})[usecols]

numcols = df.columns[df.columns != 'Name']
df[numcols] = df[numcols].apply(lambda c: pd.to_numeric(c.str.replace(r'[^\d.]|(?<!\d)\.|\.(?!\d)', '', regex=True)))
df = df.sort_values('24h', ascending=False)

# 针对各列设置格式化规则
styled_df = df.style.format({
    'Price': '${:.2f}',          # 美元格式，保留2位小数
    '1h': '${:.2f}%',            # 带美元符号的百分比
    '24h': '{:.2f}%',            # 纯百分比格式
    'MarketCap': '${:,.2f}',     # 千分位分隔符+美元符号，保留2位小数
    'Volume': '${:,.0f}'         # 千分位分隔符+美元符号，不保留小数
})

# 打印格式化后的结果
print(styled_df.to_string())

关键说明 #

• pd.options.display.float_format = '{:.2f}'.format：全局禁用科学计数法，确保数值以常规浮点数形式显示。
• style.format方法：为每一列定义专属格式规则，适配不同数据类型的展示需求：
  • 价格类列（Price）：添加美元符号并控制小数位数
  • 涨幅类列（1h/24h）：添加百分号，按需求调整符号位置
  • 市值/成交量列（MarketCap/Volume）：添加千分位分隔符，提升大数值可读性
• 若需要显示更多小数位数（如极小价格），可修改格式字符串中的数字，例如将{:.2f}改为{:.8f}。

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