如何将DataFrame中带点的浮点字符串转换为千分位格式存入数据库

你可以通过以下步骤实现需求：将字符串类型的数字转换为千分位用.分隔、小数点用,分隔且保留两位小数的格式。

方法一：通用字符串格式化（推荐，无系统兼容性问题） #

先将字符串转成数值类型，通过Python字符串格式化生成带千分逗号的格式，再替换符号实现目标样式：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Values': ['7257.5679', '6942.0949714286', '5780.0125476250005']
})

def format_target_num(s):
    # 字符串转float
    num = float(s)
    # 格式化为带千分逗号、保留两位小数的字符串
    temp_formatted = "{:,.2f}".format(num)
    # 替换千分逗号为点，小数点为逗号
    return temp_formatted.replace(',', '.').replace('.', ',', 1)

# 应用函数生成新列
df['Formatted_Values'] = df['Values'].apply(format_target_num)

执行后得到的结果：

方法二：利用locale本地化格式化 #

通过设置对应地区的locale，直接生成符合格式的字符串，但需注意系统locale支持情况：

import pandas as pd
import locale

# 设置支持千分点、逗号小数点的locale（示例为德语地区，Windows系统可改用'German_Germany.1252'）
locale.setlocale(locale.LC_ALL, 'de_DE.UTF-8')

df = pd.DataFrame({
    'Values': ['7257.5679', '6942.0949714286', '5780.0125476250005']
})

# 转float后用locale格式化
df['Formatted_Values'] = df['Values'].astype(float).apply(lambda x: locale.format_string("%.2f", x, grouping=True))

注意事项 #

• 如果原字符串列存在非数字内容，建议在格式化函数中添加异常处理（如try-except），避免程序报错。
• 最终存入数据库时，可直接使用Formatted_Values列的内容。

内容的提问来源于stack exchange，提问作者Angel's Tear