Pandas数据格式化需求：移除前导零、保留三位小数及整数转换

没问题，我来帮你搞定这个DataFrame的格式化需求！这里有一个基于Pandas的完整解决方案，完全匹配你预期的输出效果：

步骤1：构造示例DataFrame #

首先我们先把你提供的原始数据转换成Pandas DataFrame：

import pandas as pd

data = {
    'Var': ['Var1', 'Var2', 'Var3', 'Var4', 'Var5', 'Var6', 'Var7', 'Var8', 'Var9', 'Var10'],
    'count': [33214.0, 55381.0, 67469.0, 55191.0, 46297.0, 1700.0, 998.0, 45.0, 2889.0, 7353.0],
    'mean': [-216.687166, -130.082888, 46.732620, 133.425134, -0.240642, -9.200535, 263.906417, -11.759358, 0.280749, 216.684492],
    'std': [-24.076352, -18.583270, 15.577540, 66.712567, -0.048128, -4.600267, 37.700917, -2.351872, 0.140374, 43.336898]
}

df = pd.DataFrame(data).set_index('Var')

步骤2：处理各列格式 #

接下来我们对不同列分别进行格式化：

处理count列：移除小数点后数字 #

因为count列的数值都是整数的浮点形式（比如33214.0），直接转换为整数类型即可：

df['count'] = df['count'].astype(int)

处理mean和std列：四舍五入+移除前导零 #

我们先对数值四舍五入保留三位小数，再通过字符串替换去掉前导零（比如0.281变为.281，-0.241变为-.241）：

# 链式操作：四舍五入→转字符串→正则替换前导零
df[['mean', 'std']] = df[['mean', 'std']].round(3).astype(str).replace(
    {'0\.': '\.', '-0\.': '-\.'}, 
    regex=True
)

最终结果 #

处理完成后，你的DataFrame会变成如下格式：

内容的提问来源于stack exchange，提问作者qwerty