Python Pandas如何让原始索引行保留int、新增计算行保持指定float格式

问题原因 #

你遇到的类型自动转换是Pandas的默认机制：DataFrame的单列要求存储同类型数据，当你往int类型的列中插入float类型的值时，整列会被自动向上转型为float，原有整数就会变成带.0的浮点格式。另外你提供的代码里有笔误：lfoc、floc都是错误写法，正确的行索引访问属性是loc。

实现代码 #

方法1：修改存储类型，保留原有int值 #

如果需要数据本身存储为原有int、新增行为float的格式，可以先把列转为支持混合类型存储的object类型，再插入计算后的新行：

import pandas as pd

# 计算new1行的数值：(DEF - GHI)/DEF *100 保留1位小数
# 若需要截断而非四舍五入，可把.round(1)替换为.apply(lambda x: float(f"{x:.1f}"))
new1_vals = ((df.loc['DEF'] - df.loc['GHI']) / df.loc['DEF'] * 100).round(1)

# 将原有DataFrame列转为object类型，支持混合存储int和float
df = df.astype(object)

# 插入新行
df.loc['new1'] = new1_vals

方法2：仅格式化显示，不修改原始数据类型 #

如果你只需要输出展示时符合格式要求，不需要修改数据的存储类型，可以用Pandas的样式格式化功能：

# 计算插入新行（此时整列会转为float，原有整数会显示为x.0）
df.loc['new1'] = ((df.loc['DEF'] - df.loc['GHI']) / df.loc['DEF'] * 100).round(1)

# 输出时仅对new1行保留1位小数，其他行显示为整数
df.style.format(precision=0, subset=pd.IndexSlice[df.index.difference(['new1']), :])\
        .format(precision=1, subset=pd.IndexSlice['new1', :])

内容的提问来源于stack exchange，提问作者dingaro