如何在DataFrame中将0.70转0.7、1.0转1且不丢失小数？

你需要的是让DataFrame中的数值自动以最简形式呈现——整数型浮点数（如1.0、0.0）转为整数，非整数型浮点数（如0.70、0.75）保留有效小数，同时避免直接转int导致的精度丢失。以下是两种实用方案：

方案一：修改数据本身，实现混合类型存储 #

通过自定义函数判断每个数值是否为整数，是则转为int，否则保留原float。这种方式会直接改变数据的存储类型（列类型变为object），适合需要导出或存储为最简数值的场景：

import pandas as pd

df = pd.DataFrame([0.70,1.0,0.75,0.0,5.0], columns=['pitch'])

# 定义处理函数
def simplify_value(x):
    return int(x) if x == int(x) else x

# 应用到目标列
df['pitch'] = df['pitch'].apply(simplify_value)

处理后df['pitch']的结果为：[0.7, 1, 0.75, 0, 5]，满足需求。

方案二：仅调整显示格式，保持底层数值类型 #

如果不需要修改数据存储，只是希望显示时自动呈现最简形式，可以通过设置pandas的显示选项实现。这种方式底层数据仍为float类型，不影响后续数值计算：

import pandas as pd

df = pd.DataFrame([0.70,1.0,0.75,0.0,5.0], columns=['pitch'])

# 设置显示格式：整数显示为整数，小数保留原有形式
pd.set_option('display.float_format', lambda x: '%d' % x if x.is_integer() else x)

此时查看DataFrame，整数型浮点数会显示为整数，小数则保留原有有效位，底层数据类型仍为float。

内容的提问来源于stack exchange，提问作者M.pillow