如何在含字符串列的Pandas DataFrame中将数字转为两位浮点数？

嗨，我来帮你解决这个格式化难题～你说的没错，applymap()没法直接全表用，因为有Names这个字符串列，但我们可以针对性地用它，同时我也会给你更高效的实现方案，优化你现有的代码。

一、用applymap()的可行方案 #

既然applymap()是作用于每个元素，那我们可以先筛选出DataFrame里的数值列，只对这些列应用格式化逻辑：

# 先筛选出所有数值类型的列（int/float都包含）
numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns
# 对数值列统一格式化两位小数
df[numeric_cols] = df[numeric_cols].applymap(lambda x: "{:.2f}".format(x))

⚠️ 注意：如果你已经给金额列加了$符号（比如你代码里把Subtotal列转为带$的字符串），这些列会变成object类型，就没法用数值格式化了。所以正确顺序是先格式化数值，再添加$符号。

二、更优的实现方式（推荐） #

你现有代码里用循环concat构建DataFrame，效率偏低，格式化步骤也比较零散。这里给你重构后的代码，逻辑更清晰，运行也更高效：

import pandas as pd

# 1. 用列表收集用户输入，比循环concat高效多了
people_count = int(input('How many people ordered? '))
order_data = []
cider_unit_price = 5.50
juice_unit_price = 4.50

for i in range(people_count):
    name = input(f"Enter the name of Person #{i+1}: ")
    cider_qty = int(input(f"How many orders of cider did {name} have? "))
    juice_qty = int(input(f"How many orders of juice did {name} have? "))
    
    # 计算各项金额，直接保留两位小数
    cider_sub = round(cider_qty * cider_unit_price, 2)
    juice_sub = round(juice_qty * juice_unit_price, 2)
    total = round(cider_sub + juice_sub, 2)
    
    order_data.append([name, cider_qty, juice_qty, cider_sub, juice_sub, total])

# 2. 一次性创建完整的DataFrame
df = pd.DataFrame(
    order_data,
    columns=["Names", "Cider", "Juice", "Subtotal(Cider)", "Subtotal(Juice)", "Total"]
)

# 3. 添加Total和Average行，单独构建更直观
total_row = pd.DataFrame({
    "Names": "Total",
    "Cider": df["Cider"].sum(),
    "Juice": df["Juice"].sum(),
    "Subtotal(Cider)": df["Subtotal(Cider)"].sum(),
    "Subtotal(Juice)": df["Subtotal(Juice)"].sum(),
    "Total": df["Total"].sum()
}, index=[people_count])

average_row = pd.DataFrame({
    "Names": "Average",
    "Cider": df["Cider"].mean(),
    "Juice": df["Juice"].mean(),
    "Subtotal(Cider)": df["Subtotal(Cider)"].mean(),
    "Subtotal(Juice)": df["Subtotal(Juice)"].mean(),
    "Total": df["Total"].mean()
}, index=[people_count+1])

df = pd.concat([df, total_row, average_row])

# 4. 统一格式化：先处理金额列（加$+两位小数），再处理数量列
for col in ["Subtotal(Cider)", "Subtotal(Juice)", "Total"]:
    df[col] = df[col].apply(lambda x: f"$ {x:.2f}")

df[["Cider", "Juice"]] = df[["Cider", "Juice"]].applymap(lambda x: f"{x:.2f}")

# 5. 设置索引
df.set_index("Names", inplace=True)

print(df)

优化点说明： #

• 用列表收集数据再一次性创建DataFrame，避免循环concat的性能损耗
• 统一处理数值格式化，逻辑更集中，不容易出错
• 用f-string简化字符串拼接和格式化，代码更简洁
• 单独构建Total和Average行，可读性更强

三、可选方案：用Styler做展示层格式化 #

如果只是需要把DataFrame格式化后展示（比如在Jupyter Notebook里），可以用Pandas的Styler功能，不会修改原数据的类型，只做展示层的美化：

# 定义展示用的格式化规则
styled_df = df.style.format({
    "Subtotal(Cider)": lambda x: f"$ {x:.2f}",
    "Subtotal(Juice)": lambda x: f"$ {x:.2f}",
    "Total": lambda x: f"$ {x:.2f}",
    "Cider": "{:.2f}",
    "Juice": "{:.2f}"
})

display(styled_df)  # 在Notebook中显示格式化后的表格

这个方案适合只需要美观展示，不需要修改原数据的场景。

内容的提问来源于stack exchange，提问作者Meruemu