如何将Pandas数据框中的数值转换为百万/千位字符串格式？

问题场景 #

现有如下Pandas数据框：

import pandas as pd
df = pd.DataFrame([[3000000, 2500000, 1800000, 800000, 500000]], columns=['Market value'])

需要将Market value列的数值转换为带欧元符号、百万（M）/千（K）的格式，期望转换结果如下：

• 3000000 -> €3M
• 2500000 -> €2.5M
• 1800000 -> €1.8M
• 800000 -> €800K
• 500000 -> €500K

尝试的代码及问题 #

尝试了以下代码：

import numpy as np
df['Market Value'] = np.select(condlist = [(df['Market value']/1000) >= 1000],
                               choicelist = ['€'+(df['Market value'].astype(float)/1000000).astype(int).astype(str) + 'M'],
                               default = '€'+(df['Market value'].astype(float)/1000).astype(int).astype(str) + 'K')

但输出不符合预期：

• 2500000 输出为€2M（期望€2.5M）
• 1800000 输出为€1M（期望€1.8M）
  问题根源是代码中使用.astype(int)直接截断了小数部分，丢失了精度。

解决方案 #

方法1：自定义函数+apply #

通过自定义格式化函数，保留必要的小数位，并处理整数情况：

def format_value(val):
    if val >= 1000000:
        # 格式化为1位小数，去掉末尾的.0
        return f"€{val/1000000:.1f}M".replace(".0", "")
    else:
        return f"€{val/1000:.0f}K"

df['Market Value'] = df['Market value'].apply(format_value)

方法2：改进np.select实现 #

用格式化字符串替代类型转换，避免丢失小数：

import numpy as np

df['Market Value'] = np.select(
    condlist=[df['Market value'] >= 1000000],
    choicelist=[df['Market value'].apply(lambda x: f"€{x/1000000:.1f}M".replace(".0", ""))],
    default=df['Market value'].apply(lambda x: f"€{x/1000:.0f}K")
)

两种方法都能得到符合预期的结果：

内容的提问来源于stack exchange，提问作者codemachine