Python pandas如何对DataFrame按列、按行应用不同格式化规则

实现思路 #

• 对应用统一规则的Delta列，直接做列级批量转换，全部输出为整数百分比格式
• 对需要按行匹配规则的Toyota、Honda销售绩效列，按行索引匹配对应格式化逻辑逐行处理，避免列级统一格式不符合行要求的问题
• 格式化规则严格匹配需求：
  • Total Spend、Total Revenue行：千分位分隔的美元货币格式
  • Total Sale Count行：千分位分隔的整数
  • Present-Value/Sale行：整数百分比格式

完整可运行代码 #

import pandas as pd

# 初始化原始数据集
data = {'Toyota Sales Performance': [500000.0000, 150000.0000, 100.0000, .2500],
        'Honda Sales Performance': [750000.0000, 100000.0000, 200.0000, .3500], 
        'Delta': [.25, .35, .50, .75]}

df = pd.DataFrame(data, index=['Total Spend',
                               'Total Revenue',
                               'Total Sale Count',
                               'Present-Value/Sale'])

# 处理Delta列：统一转换为整数百分比
df['Delta'] = df['Delta'].apply(lambda x: f"{round(x*100)}%")

# 逐行处理两个销售绩效列
sales_columns = ['Toyota Sales Performance', 'Honda Sales Performance']
for row_name in df.index:
    if row_name in ('Total Spend', 'Total Revenue'):
        # 美元货币格式
        for col in sales_columns:
            df.loc[row_name, col] = f"${df.loc[row_name, col]:,.0f}"
    elif row_name == 'Total Sale Count':
        # 整数格式
        for col in sales_columns:
            df.loc[row_name, col] = int(df.loc[row_name, col])
    elif row_name == 'Present-Value/Sale':
        # 百分比格式
        for col in sales_columns:
            df.loc[row_name, col] = f"{round(df.loc[row_name, col]*100)}%"

输出结果 #

运行代码后得到的DataFrame和预期效果完全一致：

如果只是需要在Jupyter等环境做展示格式化、不需要修改单元格实际存储值，也可以用pandas的StylerAPI实现同样的显示效果，不会修改原始数值类型，适合做报表输出场景。

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