如何在含NaN的指定列中格式化Python Pandas数据框小数位数

我通过以下代码从CSV文件加载Pandas数据框：

df_c = pd.read_csv(os.path.join(dir_w, csv_c))

得到的数据框如下：

SubCase        Row1   Row2    Row3   Row4
0  1003001          NaN     0     NaN   10.0
1  1003002          NaN     0     NaN   10.5
2  1003003          NaN     0     NaN   11.3
3  2000001     110001.0    10     1.0   9.81
4  2000002     110001.0    10     1.0   5.06

我希望将Row1、Row2、Row3列的小数位去除，同时保留Row4列的小数位，使其呈现如下效果：

SubCase        Row1   Row2    Row3   Row4
0  1003001          NaN     0     NaN   10.0
1  1003002          NaN     0     NaN   10.5
2  1003003          NaN     0     NaN   11.3
3  2000001       110001    10       1   9.81
4  2000002       110001    10       1   5.06

尝试了以下代码但未成功：

na_mask = df_c['Row1'].notnull()
df_c.loc[na_mask, 'Row1'] = df_c.loc[na_mask, 'Row1'].round(decimals=0)

以及：

na_mask = df_c['Row1'].notnull()
df_c.loc[na_mask, 'Row1'] = df_c.loc[na_mask, 'Row1'].astype(int)

问题根源 #

你用astype(int)失败是因为普通整数类型无法存储NaN，而你的列里存在缺失值，导致转换报错；round(0)只是把数值取整，但数据类型还是浮点数，所以显示时依然带.0。

方案1：修改数据类型（推荐） #

用Pandas的可空整数类型（Int64，大写I），它兼容NaN和整数，转换后列会以整数形式显示：

# 批量处理目标列
cols_to_convert = ['Row1', 'Row2', 'Row3']
df_c[cols_to_convert] = df_c[cols_to_convert].astype('Int64')

执行后数据框就会达到你想要的效果，Row4保持原浮点类型不变。

方案2：仅调整显示格式（不改动数据类型） #

如果不想修改数据类型，只是要展示时去掉小数位，可以用style.format设置显示规则：

import pandas as pd

# 配置各列的显示格式
styled_df = df_c.style.format({
    'Row1': lambda x: '{:.0f}'.format(x) if pd.notnull(x) else x,
    'Row2': lambda x: '{:.0f}'.format(x) if pd.notnull(x) else x,
    'Row3': lambda x: '{:.0f}'.format(x) if pd.notnull(x) else x,
    'Row4': '{:.2f}'.format
})
# 展示样式化后的表格
display(styled_df)

这种方法只是改变显示效果，数据框实际类型还是浮点数，适合仅需可视化展示的场景。

内容的提问来源于stack exchange，提问作者James