将pd.DataFrame转换为np.array时如何保留数值格式？

嗨，我来帮你搞定这个问题～其实你遇到的并不是数值本身的小数点位置变了，而是numpy数组的默认显示格式在搞鬼！pandas会自动用更易读的格式展示数值，但numpy对于较大或较小的数，默认会切换成科学计数法来显示，不过数组里的实际数值和DataFrame里的完全一致，精度一点没丢。

下面给你两种实用的解决方案，按需选择：

1. 调整numpy的显示设置（推荐，不改变数据类型） #

只需要设置numpy的打印选项，关闭科学计数法，同时指定显示的小数位数，就能让数组和DataFrame的显示格式保持一致：

import os
import pandas as pd
import numpy as np

df = pd.read_csv("***.csv", header=0, parse_dates=['date'])
# 关键设置：关闭科学计数法，保留两位小数（根据你的数据实际小数位数调整）
np.set_printoptions(suppress=True, precision=2)
xset = np.array(df)
print(xset)

• suppress=True：强制关闭科学计数法，所有数值都用常规小数格式显示
• precision=2：控制显示的小数位数，你可以根据自己数据的实际情况改成3、4等

这个设置是全局生效的，之后所有numpy数组的打印都会遵循这个格式，而且完全不影响数据的类型和计算精度。

2. 格式化DataFrame后再转数组（适合仅展示场景） #

如果你确实需要让数组存储的就是带指定小数位数的内容（注意：这会把数值转成字符串类型，会影响后续数值计算，谨慎使用），可以先格式化DataFrame的列：

import os
import pandas as pd
import numpy as np

df = pd.read_csv("***.csv", header=0, parse_dates=['date'])
# 对float类型的列格式化保留两位小数，int类型列保持原样
formatted_df = df.apply(
    lambda col: col.map(lambda x: f"{x:.2f}" if isinstance(x, float) else x)
)
xset = np.array(formatted_df)
print(xset)

额外验证小技巧 #

你可以单独打印数组里的某个元素，比如print(xset[0][0])，会发现它显示的就是原始的124.63，而不是科学计数法的形式，这就证明数值本身根本没变化～

内容的提问来源于stack exchange，提问作者companyyy