使用pandas.DataFrame.applymap格式化函数无效，求助CSV读取与重排

1. 先排查applymap无效的常见原因 #

• 忘记赋值结果：applymap返回一个新的DataFrame，不会修改原对象，必须把结果赋值给变量（比如df = df.applymap(your_func)）
• 数据类型不是数值型：如果你的列是字符串类型，格式化函数可能无法正确处理，需要先转成数值：df = df.apply(pd.to_numeric, errors='coerce')
• 格式化逻辑有问题：比如函数没有正确返回格式化后的内容，或者判断条件错误

2. 针对你的CSV数据的完整处理流程 #

先把你提供的内容整理成标准CSV格式（每行一组数据）：

10,1.89e-3,1.92e-3,2.14e-3,2.23e-3,2.38e-3,2.43e-3,2.33e-3,2.87e-3
10,1.84,2.01,2.03,1.99,2.11,2.11,2.09,1.95
20,5.28e-4,4.77e-4,5.23e-4,5.62e-4,5.50e-4,5.64e-4,5.46e-4,7.45e-4
20,1.45,2.00,1.89,1.98,2.08,2.12,2.07,2.15
40,1.93e-4,1.19e-4,1.41e-4,1.42e-4,1.30e-4,1.30e-4,1.30e-4,1.68e-4
40,1.17,2.00,1.61,1.88,2.01,2.03,2.01,1.96
80,8.60e-5,2.98e-5,4.61e-5,3.86e-5,3.23e-5,3.18e-5,3.22e-5,4.33e-5
80,1.06,2.00,1.32,1.69,2.00,2.02,2.00,1.94

方法一：用applymap自定义格式化（修改数据内容） #

import pandas as pd

# 1. 读取CSV，自动解析数值类型
df = pd.read_csv('data.csv', header=None)

# 2. 定义格式化规则：小数值保留6位小数，普通数值保留2位
def format_num(x):
    if isinstance(x, float):
        if abs(x) < 0.01:
            return f"{x:.6f}"
        else:
            return f"{x:.2f}"
    # 整数类型直接返回
    return x

# 3. 应用格式化并赋值（这步是关键！不赋值原DataFrame不会变）
df_formatted = df.applymap(format_num)

# 查看格式化后的结果
print(df_formatted)

方法二：设置全局显示格式（仅改变显示，不修改数据） #

如果你只是想在查看/输出时格式化，不想改变数据本身的数值类型，可以用全局显示选项：

import pandas as pd

df = pd.read_csv('data.csv', header=None)

# 自定义浮点数显示逻辑：小数值显示6位，普通数值显示2位
pd.options.display.float_format = lambda x: '{:.6f}'.format(x) if abs(x) < 0.01 else '{:.2f}'.format(x)

# 直接查看即可，数据还是原始数值类型
print(df)

3. 快速验证applymap是否生效 #

如果之前用applymap没效果，按这几步排查：

1. 确认执行了df = df.applymap(...)，而不是只跑df.applymap(...)
2. 运行df.dtypes检查数据类型，要是列是object类型，先转数值：df = df.apply(pd.to_numeric, errors='coerce')
3. 单独测试格式化函数：比如format_num(1.89e-3)，看是否返回0.001890

内容的提问来源于stack exchange，提问作者tmaric