在Python数据帧中为数字添加千位分隔符的简单方法

假设我有一个pandas数据帧，并且我想给所有数字（整数和浮点）添加1000个分隔符，那么什么是一种简单快捷的方法呢？

当使用

，

格式化一个数字时，您可以只使用

'{：，}。格式

：

n = 10000
print '{:,}'.format(n)
n = 1000.1
print '{:,}'.format(n)

在pandas中，您可以使用

格式化程序

参数来

转换html

添加千分位分隔符实际上在stackoverflow上讨论了很多。您可以阅读或。

到html中的formatters参数将采用字典

---

假设您只想显示（或呈现为html）带有千位分隔符的浮点/整数，您可以使用该分隔符，该分隔符是在0.17.1版中添加的：

将熊猫作为pd导入
df=pd.DataFrame（{'int'：[1200320]，'flt'：[5300.5712000000.23]}）
format（“{：，}”）

若要将此输出呈现为html，请使用。

上的render方法，如果需要，“.”作为千位分隔符和“，”作为十进制分隔符，这将起作用：

Data=pd.read\u Excel（路径）

Data[my_numbers]=Data[my_numbers].map（“{:，.2f}.”格式）.str.replace（“，”，“~”）.str.replace（“，”，”）.str.replace（“~”，”）

如果您想要三个小数而不是两个小数，请更改“2f”-->“3f”

Data[my_numbers]=Data[my_numbers].map（“{:，.3f}.”格式）.str.replace（“，”，“~”）.str.replace（“.”，“，”）.str.replace（“~”，”）

使用或与此：

---

---

它不适用于具有整数的数据帧。仅适用于浮动

num_format = lambda x: '{:,}'.format(x)
def build_formatters(df, format):
    return {
        column:format 
        for column, dtype in df.dtypes.items()
        if dtype in [ np.dtype('int64'), np.dtype('float64') ] 
    }
formatters = build_formatters(data_frame, num_format)
data_frame.to_html(formatters=formatters)

df['col'] = df['col'].map('{:,}'.format)
df['col'] = df['col'].map(lambda x: f'{x:,}')

df['col'] = df['col'].apply('{:,}'.format)
df['col'] = df['col'].apply(lambda x: f'{x:,}')