如何高效获取DataFrame元素转字符串后的最大长度以调整绘图边界？

我需要获取DataFrame中元素转换为保留两位小数的字符串后的最大长度（字符数），以此确定绘图时y轴刻度的延伸范围，进而调整图表的左边界。目前我的实现代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.cm as cm

df = pd.DataFrame({
    'datetime': ['2022-08-23 06:12:00', '2022-08-23 06:13:00', '2022-08-23 06:14:00'],
    'A': [1.91, 1.92, 132.14],
    'B': [98.35, 92.04, 81.64],
    'C': [1.88, 1.77, 1.75]
}).set_index('datetime')

# 获取最大字符长度
max_len = df.round(2).dropna().astype('str').applymap(lambda x: len(x)).max().max()
print(max_len)  # 输出：6

# 绘图并调整边界
df.plot(figsize=(5,3),
        use_index=True,
        colormap=cm.get_cmap('Set1'),
        alpha=0.5)
left_border = (max_len/100) + 0.05
plt.subplots_adjust(left=left_border, right=0.90, top=0.95, bottom=0.25)
# plt.savefig(save_dir+plot_df.index[i]+'.jpg',dpi=500)
plt.show()

请问是否有更优的方法来获取该最大长度？

更优实现方法 #

1. 扁平化数据，简化调用链 #

利用stack()将DataFrame转为Series，直接对所有元素统一计算长度，减少一次max()调用，代码更简洁：

max_len = df.round(2).dropna().astype(str).stack().str.len().max()

2. 避免全量转字符串，直接计算格式化长度 #

既然是固定保留两位小数，无需先将整个DataFrame转为字符串类型，直接对数值计算格式化后的长度，节省内存且效率更高（尤其适合大数据量场景）：

# 方法A：applymap + 格式化字符串
max_len = df.dropna().applymap(lambda x: len(f"{x:.2f}")).max().max()

# 方法B：扁平化后处理，更简洁
max_len = df.dropna().stack().apply(lambda x: len(f"{x:.2f}")).max()

3. 利用Numpy向量化操作提升性能 #

如果处理的是超大规模数据集，使用Numpy的向量化操作能显著提升速度（底层基于C实现）：

import numpy as np

# 扁平化数据并计算每个元素格式化后的长度
flattened = df.dropna().values.flatten()
max_len = max(len(f"{x:.2f}") for x in flattened)

# 或使用vectorize封装
str_len_vec = np.vectorize(lambda x: len(f"{x:.2f}"))
max_len = str_len_vec(flattened).max()

内容的提问来源于stack exchange，提问作者Mainland