DataFrame单元格小数截断失败，求各国行均值计算解决方案

嘿，我来帮你搞定这两个问题，一步步拆解：

问题1：截断DataFrame所有单元格的小数 #

先明确需求：你是想修改数据本身让小数截断，还是只是在显示时隐藏过长小数但保留原数据精度？两种场景的处理方式不同：

方式1：修改数据本身（截断到指定小数位）

假设你想把所有数值截断到2位小数（比如把1567.8912变成1567.89），可以用math.trunc结合applymap遍历所有单元格：

import pandas as pd
import math

# 假设你的DataFrame名为gdp_df
gdp_df = gdp_df.applymap(lambda x: math.trunc(x * 100) / 100)

如果要直接截断为整数（去掉所有小数部分），更简单：

gdp_df = gdp_df.applymap(math.trunc)
# 因为GDP都是正数，用astype(int)效果也一样
gdp_df = gdp_df.astype(int)

方式2：仅调整显示格式（不修改原数据）

如果只是不想看到冗长的小数，但不想改动原始数据，可以设置pandas的显示规则：

pd.set_option('display.float_format', lambda x: '{:.2f}'.format(math.trunc(x*100)/100))

这样打印DataFrame时会显示截断后的小数，但数据本身的精度完全保留。

问题2：计算每个国家所有行的均值 #

先理清你的DataFrame结构：国家是索引，那每个国家是对应一行多列（比如列是不同年份的GDP），还是多行多列（比如每行是该国家不同行业的GDP）？两种情况的处理如下：

情况A：每个国家对应一行（列是不同维度的GDP）

要计算每个国家（每行）的所有列均值，直接用pandas的mean方法指定axis=1即可：

# 结果是一个Series，索引为国家，值为对应均值
country_gdp_mean = gdp_df.mean(axis=1)

如果你一定要用np.average，注意要按行计算，且如果数据有缺失值，np.average不会自动忽略，建议改用np.nanmean：

import numpy as np
country_gdp_mean = gdp_df.apply(lambda row: np.nanmean(row), axis=1)

情况B：每个国家对应多行（同个国家有多条记录）

这种情况需要先按国家索引分组，再计算每组的均值：

# 按索引（国家）分组，计算每组的均值
country_gdp_mean = gdp_df.groupby(gdp_df.index).mean()

用np.average的话，需要在分组后应用：

country_gdp_mean = gdp_df.groupby(gdp_df.index).apply(lambda group: np.nanmean(group))

你用np.average出问题，大概率是直接调用了np.average(gdp_df)——这会把整个DataFrame扁平化，计算的是全局均值，而非按国家分组的均值。

内容的提问来源于stack exchange，提问作者Nakul Sharma