如何批量修改Pandas DataFrame多列浮点值为百分比格式字符串

本方案会实际修改单元格存储的内容为字符串类型，而非仅调整展示格式，支持批量处理所有浮点列，可灵活配置是否带引号、保留小数位数。

基础实现（不带引号，保留2位小数） #

import numpy as np
import pandas as pd

# 生成测试数据
df = pd.DataFrame(np.random.rand(5, 5))
# 筛选所有浮点类型列，避免误修改其他类型列
float_cols = df.select_dtypes(include=['float']).columns

# 批量转换为百分比字符串，实际修改存储值
df[float_cols] = df[float_cols].applymap(lambda x: f"{x:.2%}")

# 验证转换结果
print(df)
print("\n转换后列类型：")
print(df.dtypes)

转换后原浮点数值会直接变为字符串格式的百分比，例如0.795329会转为79.53%，列类型变为object（字符串存储类型），导出到CSV、Excel等文件时会直接保留百分比格式。

扩展：带引号的百分比格式 #

如果需要输出带单引号/双引号包裹的百分比字符串，只需修改格式化规则即可：

# 单引号包裹，示例输出：'79.53%'
df[float_cols] = df[float_cols].applymap(lambda x: f"'{x:.2%}'")

# 双引号包裹，示例输出："79.53%"
df[float_cols] = df[float_cols].applymap(lambda x: f'"{x:.2%}"')

注意事项 #

• 若需要调整保留小数位数，只需修改格式化字符串中的数字即可，比如保留1位小数改为f"{x:.1%}"
• 转换后列类型变为字符串，后续如果需要做数值计算，需先将百分比字符串转换回浮点类型
• 若只需处理指定列而非所有浮点列，将float_cols替换为自定义的列名列表即可，比如float_cols = ['列1','列2']
• 若数据中存在空值，可在匿名函数中增加空值判断避免报错，示例：lambda x: f"{x:.2%}" if pd.notna(x) else ""

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