如何修改DataFrame列的打印格式同时保留float数据类型？

你遇到的问题是：修改rate和wage列的显示格式后，列类型变成了object，导致后续数值计算出错（比如df['wage'].sum()返回字符串拼接结果）。这是因为你用map和apply把数值转成了字符串，直接改变了数据类型。

要在保留float数据类型的同时修改显示格式，有两种可靠方法：

方法1：全局设置float类型的显示格式 #

通过pd.set_option()设置全局的float显示规则，所有符合条件的float列都会自动套用格式，底层数据类型保持不变。

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame({'name': ['Johnny', 'Brad'], 
                   'rate': [0.02, 0.035],
                   'wage': [50000.0, 35000.0]})

# 设置float格式：小于1的数值按两位百分比显示，大于等于1的按千分位分隔
pd.set_option('display.float_format', lambda x: '{:.2%}'.format(x) if x < 1 else '{:,}'.format(x))

# 查看数据类型，依然是原始的float64
print(df.dtypes)
# 显示格式化后的DataFrame
df

执行后，rate和wage列的显示格式会变成你想要的样式，但数据类型还是float64，后续计算（比如df['wage'].sum()）会返回正确的数值结果85000.0。

方法2：使用Styler自定义单表显示格式 #

如果不想影响全局设置，可使用pandas的Styler对象，仅针对当前DataFrame设置显示格式，完全不修改底层数据。

import pandas as pd

df = pd.DataFrame({'name': ['Johnny', 'Brad'], 
                   'rate': [0.02, 0.035],
                   'wage': [50000.0, 35000.0]})

# 定义格式转换函数
def format_cell(val):
    # 仅对float类型数值做格式处理
    if isinstance(val, float):
        if val < 1:
            return '{:.2%}'.format(val)
        else:
            return '{:,}'.format(val)
    # 非float类型保持原样
    return val

# 应用样式到DataFrame
styled_df = df.style.applymap(format_cell)

# 确认数据类型未改变
print(df.dtypes)
# 显示格式化后的表格
styled_df

这种方法的优势是灵活，可以针对不同列设置不同规则，且完全不会修改原始数据，所有数值计算都能正常进行。

为什么之前的方法会出错？ #

你之前用map("{:.2%}".format)和apply(lambda x: "{:,}".format(x['wage']), axis=1)的操作，本质是把float类型的数值转换成了字符串，所以列的类型变成了object。字符串的sum()操作是拼接字符串，因此得到了'50,000.035,000.0'这种错误结果。

内容的提问来源于stack exchange，提问作者Rob Lasch