为何无法对DataFrame中float64类型列执行取整操作？

我尝试对DataFrame中的Average列（float64类型）取整到5位小数，但操作后该列依然显示全部小数位（甚至以科学计数法呈现）。

我的代码 #

# 将对象类型转换为float
covid2=covid.fillna(1)
covid2.replace(',','', regex=True, inplace=True)
covid2['Population'] = covid2['Population'].astype(float, errors = 'raise')
covid2['Total Deaths'] = covid2['Total Deaths'].astype(float, errors = 'raise')

# 计算Average列
covid2['Average']=covid2['Population']/covid2["Total Deaths"]*1000

# 尝试取整
decimals = 5    
covid2['Average'] = covid2['Average'].apply(lambda x: round(x, decimals))
covid2.head()

执行结果 #

0      2.955203e+05
1      2.650322e+06
2      3.993382e+05
3      5.062042e+05
4      3.089394e+05

原因与解决方案 #

核心原因 #

你的取整操作已经生效，问题出在Pandas的默认显示设置：大数值会被自动转换为科学计数法，且默认显示的小数位数多于你设置的5位，导致看起来像是没取整。你可以通过covid2['Average'].iloc[0]查看单个值，会发现实际已经是取整后的数值。

解决方法 #

• 修改全局显示格式：让所有float列按指定格式展示，禁用科学计数法

  import pandas as pd
  # 全局设置：禁用科学计数法，显示5位小数
  pd.set_option('display.float_format', lambda x: '%.5f' % x)
  covid2.head()
  

• 高效取整+显示设置：用Pandas原生round方法替代apply（性能更优），再配合显示设置

  decimals = 5
  # 原生round方法直接处理整列
  covid2['Average'] = covid2['Average'].round(decimals)
  # 设置显示格式
  pd.set_option('display.float_format', lambda x: '%.5f' % x)
  print(covid2['Average'].head())
  

• 仅修改显示格式（不改变数值类型）：如果只是需要展示指定小数位，可将列转为带格式的字符串

  covid2['Average'] = covid2['Average'].apply(lambda x: '%.5f' % x)
  

内容的提问来源于stack exchange，提问作者MoeCrumbs