如何使用string.format()方法将Pandas DataFrame数据传入字符串

没问题，我来帮你搞定这个需求！你需要把DataFrame里的每一行数据对应填入format()的占位符中，这里有几种实用的方法：

方法1：遍历每一行生成消息（适合小数据集） #

你可以用iterrows()遍历DataFrame的每一行，然后把每行的姓名、年龄、分数依次传入format()：

import pandas as pd
df = pd.read_csv('data.csv')
message = "{} is {} years old and has a score of {}"

# 遍历并生成每条消息
for _, row in df.iterrows():
    # 按顺序传入A列（姓名）、B列（年龄）、C列（分数）
    formatted_msg = message.format(row['A'], row['B'], row['C'])
    print(formatted_msg)

运行后会输出：

Matt is 23 years old and has a score of 0.98
Mark is 34 years old and has a score of 9.33
Luke is 52 years old and has a score of 2.54
John is 67 years old and has a score of 4.73

方法2：用Pandas的apply()方法（更高效，推荐） #

如果你的数据集比较大，apply()是更符合Pandas风格的做法，还能把结果直接存入DataFrame的新列：

import pandas as pd
df = pd.read_csv('data.csv')
message = "{} is {} years old and has a score of {}"

# 定义生成消息的函数
def build_message(row):
    return message.format(row['A'], row['B'], row['C'])

# 对每行应用函数，生成新列
df['formatted_message'] = df.apply(build_message, axis=1)

# 查看结果
print(df[['A', 'B', 'C', 'formatted_message']])

也可以用lambda简化成一行代码：

df['formatted_message'] = df.apply(lambda row: message.format(row['A'], row['B'], row['C']), axis=1)

额外技巧：用命名占位符提升可读性 #

如果担心占位符顺序搞混，可以把消息改成带命名的格式，然后用关键字参数传入：

message_named = "{name} is {age} years old and has a score of {score}"
df['formatted_message'] = df.apply(lambda row: message_named.format(
    name=row['A'],
    age=row['B'],
    score=row['C']
), axis=1)

另外，如果需要格式化分数的小数位数（比如保留1位），可以修改占位符：

message_formatted = "{} is {} years old and has a score of {:.1f}"

这样分数会自动四舍五入成指定的小数位数。

内容的提问来源于stack exchange，提问作者MRL