Pandas加载JSON：将浮点数字段设为4位精度非科学计数法

嘿，这个问题我之前也踩过坑！先给你明确个关键点：你看到的科学计数法大多是Pandas的默认显示设置搞的鬼，数据本身的精度并没有丢。不过要实现和JSON源文件一致的4位精度常规显示，有两种实用方案：

方案一：先全局设置显示规则，再创建DataFrame #

如果你希望所有浮点数列都用4位小数的常规格式显示，不想再看到科学计数法，可以在加载数据前先给Pandas设个全局规则，这样后续生成的所有DataFrame都会遵守这个格式：

import pandas as pd
from pandas import json_normalize
import json

# 全局设置：浮点数显示为4位小数，禁用科学计数法
pd.set_option('display.float_format', lambda x: '%.4f' % x)

with open('myjson.json') as f:
    loaded_file = json.load(f)
df = json_normalize(loaded_file)
print(df['action.time_sec'])
print(df['action.diff'])

运行这段代码后，你打印出来的浮点数就会和JSON里的格式完全一致，比如14.7584、12345.3750这样的常规格式。

方案二：生成DataFrame后，针对特定列调整格式 #

如果你只想让个别列（比如action.time_sec和action.diff）按4位小数显示，不想影响其他列的默认设置，可以试试这两种方法：

方法A：用style.format做美观打印 #

适合需要输出整洁格式的场景，比如打印给别人看：

import pandas as pd
from pandas import json_normalize
import json

with open('myjson.json') as f:
    loaded_file = json.load(f)
df = json_normalize(loaded_file)

# 给指定列设置显示格式
styled_df = df.style.format({
    'action.time_sec': '{:.4f}',
    'action.diff': '{:.4f}'
})
print(styled_df.to_string())

方法B：直接转成字符串列（如果不需要数值计算） #

要是你之后不需要对这些浮点数做加减乘除之类的运算，可以在加载JSON后先把字段格式化成字符串，再转成DataFrame，这样完全和JSON里的格式一模一样：

import pandas as pd
from pandas import json_normalize
import json

with open('myjson.json') as f:
    loaded_file = json.load(f)

# 遍历数据，把指定浮点数转成4位小数的字符串
for item in loaded_file:
    item['action']['time_sec'] = '{:.4f}'.format(item['action']['time_sec'])
    item['action']['diff'] = '{:.4f}'.format(item['action']['diff'])

df = json_normalize(loaded_file)
print(df['action.time_sec'])
print(df['action.diff'])

额外补充：要不要在创建时就修改存储精度？ #

你问到能不能在创建DataFrame时就把字段设置成4位精度的浮点数——这里要区分「显示精度」和「存储精度」：

• 要是只是想显示成4位小数，前面的方案足够了，数据本身还是保留原始精度的；
• 要是你确实需要存储时就只保留4位精度（比如节省空间或者业务要求），可以在创建后对列做四舍五入：

df = json_normalize(loaded_file)
# 对指定列四舍五入到4位小数
df['action.time_sec'] = df['action.time_sec'].round(4)
df['action.diff'] = df['action.diff'].round(4)
# 再设置显示格式禁用科学计数法
pd.set_option('display.float_format', lambda x: '%.4f' % x)
print(df)

不过一般不建议这么做，因为会丢失原始数据的精度，除非你确定不需要更高精度的数值。

内容的提问来源于stack exchange，提问作者user8870829