如何为Pandas不同列设置不同精度并保留数值排序功能？

核心思路是保持数据的数值类型（float）以确保排序正常，通过设置显示格式来实现不同列的小数精度要求，而不是将数据转为字符串（会导致排序异常）或仅依赖默认的浮点显示（会省略末尾的0）。

方法1：使用DataFrame.style设置列显示格式（推荐用于展示/输出） #

这种方式不会修改原始数据的类型和值，仅控制显示效果，既能保证数值排序正常，又能按需求显示小数位数。

示例代码：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'col_3dec': [1.2345, 2.3456, 11.1234],
    'col_2dec': [1.23, 2.34, 11.12],
    'another_3dec': [3.14159, 2.71828, 1.61803]
})

# 定义各列的格式规则：键为列名，值为格式字符串
format_rules = {
    'col_3dec': '{:.3f}',   # 3位小数
    'another_3dec': '{:.3f}',
    'col_2dec': '{:.2f}'    # 2位小数
}

# 应用格式规则生成样式化DataFrame
styled_df = df.style.format(format_rules)

# 在Jupyter环境中直接运行即可看到格式化后的表格；控制台可调用display(styled_df)
styled_df

此时原始数据df仍为数值类型，执行排序（如df.sort_values('col_3dec')）会按数值大小正常排序，显示时则会呈现指定的小数位数。

方法2：先对数据取整，再控制显示格式（适合需要精简数据精度的场景） #

如果需要修改数据本身的小数位数（仅保留必要精度），同时控制显示效果：

1. 先用round()方法对不同列取对应位数的小数（数据仍为float类型）
2. 针对不同列设置显示格式，保证末尾0不被省略

示例代码：

# 对数据按列取整，保留指定小数位数
df_rounded = df.round({
    'col_3dec': 3,
    'another_3dec': 3,
    'col_2dec': 2
})

# 对取整后的数据应用显示格式
styled_rounded = df_rounded.style.format({
    'col_3dec': '{:.3f}',
    'another_3dec': '{:.3f}',
    'col_2dec': '{:.2f}'
})

方法3：保存为文件时的格式控制 #

如果需要将格式化后的数据保存到文件（如Excel、CSV），可直接使用样式化后的对象：

# 保存为Excel
styled_df.to_excel('formatted_data.xlsx', engine='openpyxl', index=False)

# 保存为混合格式的CSV
df_formatted = df.copy()
df_formatted['col_3dec'] = df_formatted['col_3dec'].apply(lambda x: '{:.3f}'.format(x))
df_formatted['col_2dec'] = df_formatted['col_2dec'].apply(lambda x: '{:.2f}'.format(x))
df_formatted.to_csv('mixed_format_data.csv', index=False)

为什么之前的方法有问题 #

• 将数据转为字符串：会把数值变成文本类型，排序时按字符串的字典序（如"11.00"会排在"2.00"前面），导致排序异常。
• 直接转为float：数据本身是数值类型（排序正常），但Pandas默认会省略末尾无意义的0（如1.0显示为1.0而非1.00），这只是显示问题，并非丢失精度，通过设置显示格式即可解决。

内容的提问来源于stack exchange，提问作者ryan