如何在Python Pandas中修改含NaN值的浮点数列的显示格式？

现有如下Pandas DataFrame：

col
-------
7.0
2.0
NaN
...

其中col为float类型，希望将浮点数值的显示格式从7.0改为7，但因存在NaN无法直接转为int类型，期望结果：

col
-------
7
2
NaN
...

方法1：转为可空整数类型（修改数据类型） #

Pandas支持可空整数类型（Int64，注意大写I），该类型允许列中存在NaN值，转换后数值会以整数形式显示：

import pandas as pd

# 假设你的DataFrame名为df
df['col'] = df['col'].astype('Int64')

转换后，列的类型变为Int64，数值显示为整数，NaN值保留。

方法2：仅调整显示格式（不修改数据类型） #

如果不想改变原数据的float类型，只是调整显示效果，可以用style.format设置格式规则：

# 定义格式化函数，对非NaN值去掉小数部分，NaN保持原样
def format_float(x):
    if pd.notna(x):
        return f"{int(x)}"
    return x

# 应用格式
styled_df = df.style.format({'col': format_float})
# 显示格式化后的DataFrame
styled_df

这种方法不会修改原始数据的类型，只是在显示时调整格式。

方法3：简洁的lambda写法 #

可以用lambda函数简化格式化逻辑：

styled_df = df.style.format({'col': lambda x: f"{int(x)}" if pd.notna(x) else x})

内容的提问来源于stack exchange，提问作者dingaro