如何修改Pandas Series的打印显示格式且保留原数据类型？

现有一个包含十进制数值的Series：

import pandas as pd
s = pd.Series([0.12, 0.1, 0.2])

需要实现两个核心需求：

1. 打印时以百分比格式展示（如12%、10%、20%），但保留底层float64数据类型，不能转成object类型；
2. 该Series仍可正常进行数值运算（如s*2能得到正确的浮点结果）；
   同时想了解：

• 是否可以修改Series的__str__或__repr__方法？
• 能否通过子类化pd.core.series.Series重写相关方法？
• 如何让这种格式化效果在DataFrame中也生效？

解决方案 #

方法1：使用Styler（推荐用于可视化展示） #

Styler可以在不修改原始数据类型的前提下，自定义显示格式，适合Jupyter Notebook或需要输出美观表格的场景：

Series的格式化展示

s.style.format("{:.0%}")

输出效果：

0    12%
1    10%
2    20%
Name: 0, dtype: float64

此时原始Series的类型依然是float64，数值运算不受影响：

s*2
# 输出：
# 0    0.24
# 1    0.20
# 2    0.40
# dtype: float64

DataFrame中的应用

针对DataFrame，可以指定特定列应用格式：

df = pd.DataFrame({"col1": [0.12, 0.1, 0.2], "col2": [0.3, 0.45, 0.5]})
df.style.format({"col1": "{:.0%}", "col2": "{:.1%}"})

这样col1会显示为整数百分比，col2显示为一位小数的百分比，原始数据类型始终保持float64。

方法2：子类化Series重写格式化方法 #

如果需要全局的自定义显示逻辑，可以子类化pd.Series，重写__str__和__repr__方法：

class PercentSeries(pd.Series):
    def __str__(self):
        formatted = self.apply(lambda x: "{:.0%}".format(x))
        return super(pd.Series, formatted).__str__()
    
    def __repr__(self):
        return self.__str__() + f"\ndtype: {self.dtype}"

使用示例：

s = PercentSeries([0.12, 0.1, 0.2])
print(s)
# 输出：
# 0    12%
# 1    10%
# 2    20%
# dtype: float64

数值运算完全正常：

s*2
# 输出：
# 0    0.24
# 1    0.20
# 2    0.40
# dtype: float64

若要在DataFrame中生效，只需将对应列设置为PercentSeries类型即可，打印时该列会自动应用自定义格式。

方法3：全局修改pandas显示选项 #

如果希望所有float64类型的Series/DataFrame列都默认以百分比格式显示，可以修改pandas全局配置：

pd.options.display.float_format = "{:.0%}".format

此时所有浮点类型数据都会以百分比格式打印：

print(s)
# 输出：
# 0    12%
# 1    10%
# 2    20%
# dtype: float64

print(s*2)
# 输出：
# 0    24%
# 1    20%
# 2    40%
# dtype: float64

如需恢复默认显示，执行：

pd.options.display.float_format = None

关于修改__str__/__repr__的说明 #

• 不建议直接修改原生pd.Series的__str__或__repr__方法，会影响全局pandas的行为，引发意外问题；
• 子类化pd.Series重写方法是安全方案，仅对自定义的Series子类生效，不会干扰原生Series的正常使用。

内容的提问来源于stack exchange，提问作者Raisin