Python pandas或numpy数组数据元素格式

环境：Python 3.7.6，libs

numpy==1.18.2

和

pandas==1.0.3

将numpy导入为np
作为pd进口熊猫
np.set\u打印选项（suppress=True）
pd.set_选项（'display.float_格式'，lambda x:'%0.2f'%x〕）
#不起作用？
数据=pd.read\u csv（“test.csv”）
"""
#下面是test.csv示例数据
以，价格
1587690840,15.25
1587690900,15.24
1587690960,15.23
---
"""
x=np.asarray（数据）
打印（x）
"""
#结果:
[[1.58769084e+09 1.52500000e+01]
[1.58769090e+09 1.52400000e+01]
[1.58769096e+09 1.52300000e+01]]
"""

我希望第一个元素转换为不带科学符号的int32，第二个元素转换为float32

%.2f

如何使用

x

结果修改代码，如下所示：

[[1587690840 15.25]
[1587690900 15.24]
[1587690960 15.23]]

---

我认为使用

set\u printoptions

方法的

formatter

选项是不可能的。使用

apply\u over\u axes

后不能执行此操作吗？

传统的numpy数组无法存储多个类型，如果您希望打开多个数据类型，请参阅

array_f=np.zeros（3，dtype={'names'：（'integers'，'floats'），
“格式”：（np.int32，np.float32）}）
数组_f['integers']=x[：，0]
数组_f['floats']=x[：，1]
数组
#阵列（[（1587690840,15.25），（158769000,15.24），（158769060,15.23）]，
#数据类型=[（'integers'，'您的数据作为结构化数据类型：

In [166]: txt = """at,price 
     ...: 1587690840,15.25 
     ...: 1587690900,15.24 
     ...: 1587690960,15.23"""                                                                          
In [167]: data = np.genfromtxt(txt.splitlines(), delimiter=',', names=True, dtype=None, encoding=None) 
In [168]: data                                                                                         
Out[168]: 
array([(1587690840, 15.25), (1587690900, 15.24), (1587690960, 15.23)],
      dtype=[('at', '<i8'), ('price', '<f8')])

我没有做过太多的设置打印选项，但是看起来浮动这么大（1.58e9）时，
suppress=True
似乎没有效果。这两列分别显示：

In [176]: data[:,0]                                                                                    
Out[176]: array([1.58769084e+09, 1.58769090e+09, 1.58769096e+09])
In [177]: data[:,1]                                                                                    
Out[177]: array([15.25, 15.24, 15.23])

和转换为int的大浮点：

In [178]: data[:,0].astype(int)                                                                        
Out[178]: array([1587690840, 1587690900, 1587690960])

你的
pd.read\u csv
产生了什么

In [189]: pd.DataFrame(data, dtype=None)                                                               
Out[189]: 
              0      1
0  1.587691e+09  15.25
1  1.587691e+09  15.24
2  1.587691e+09  15.23

In [190]: pd.DataFrame(Out[168], dtype=None)                                                           
Out[190]: 
           at  price
0  1587690840  15.25
1  1587690900  15.24
2  1587690960  15.23

将数据帧转换回阵列：

In [191]: Out[190].to_numpy()                                                                          
Out[191]: 
array([[1.58769084e+09, 1.52500000e+01],
       [1.58769090e+09, 1.52400000e+01],
       [1.58769096e+09, 1.52300000e+01]])

In [193]: Out[190].to_records(index=False)                                                             
Out[193]: 
rec.array([(1587690840, 15.25), (1587690900, 15.24), (1587690960, 15.23)],
          dtype=[('at', '<i8'), ('price', '<f8')])

numpy
选择了科学记数法（仅用于显示），因为它的值范围很广。整个数组具有
float
dtype。感谢您的回答。让我了解有关熊猫的更多信息。
In [189]: pd.DataFrame(data, dtype=None)                                                               
Out[189]: 
              0      1
0  1.587691e+09  15.25
1  1.587691e+09  15.24
2  1.587691e+09  15.23

In [190]: pd.DataFrame(Out[168], dtype=None)                                                           
Out[190]: 
           at  price
0  1587690840  15.25
1  1587690900  15.24
2  1587690960  15.23

In [191]: Out[190].to_numpy()                                                                          
Out[191]: 
array([[1.58769084e+09, 1.52500000e+01],
       [1.58769090e+09, 1.52400000e+01],
       [1.58769096e+09, 1.52300000e+01]])

In [193]: Out[190].to_records(index=False)                                                             
Out[193]: 
rec.array([(1587690840, 15.25), (1587690900, 15.24), (1587690960, 15.23)],
          dtype=[('at', '<i8'), ('price', '<f8')])

In [201]: with np.printoptions(suppress=True): 
     ...:     print(data/[100,1]) 
     ...:                                                                                              
[[15876908.4        15.25]
 [15876909.         15.24]
 [15876909.6        15.23]]