Pandas to_csv 如何使用逗号作为千位分隔符来格式化 int 和 float 变量

Question

我处理的所有数据都需要用逗号作为千位分隔符来报告。在将数据写入 .csv 文件后，我只对以逗号作为千位分隔符的值感兴趣。在我的 pandas 数据框内部，我想将它们保留为 int 或 float。

浮动

我可以将浮点数输出为零小数：

 df.to_csv('c:\Awesome\Groovy.csv', float_format = '%.0f')

但每当我尝试在浮动中添加逗号时，它都不起作用。

 df.to_csv('c:\Awesome\Groovy.csv', float_format = ':,.0f') ## WRONG
 df.to_csv('c:\Awesome\Groovy.csv', float_format = {:,.0f}'.format) ## WRONG

整数

我对整数的计划是，首先将它们转换为数据帧中的浮点数，然后使用 .to_csv 函数对其进行格式化。有什么想法吗？

Answer 1

这对你来说可能太笨拙了。无论如何，这里是。使用这个答案我们可以使用逗号：

def thous(x, sep=',', dot='.'):
    num, _, frac = str(x).partition(dot)
    num = re.sub(r'(\d{3})(?=\d)', r''+sep, num[::-1])[::-1]
    if frac:
        num += dot + frac
    return num

df['my_column'] = df['my_column'].apply(lambda x: thous(x))

使用我从另一个 SO 问题中得到的一些示例数据：

>>> df = pd.DataFrame({'date':['2017-03-10','2017-03-11','2017-03-12'],
                       'activate_time':['2017-03-10 12:13:30','2017-03-11 13:57:49','2017-03-12 14:28:05'],
                       'mycol':[1234.56789,9876.54321,1111111.11111]})
>>> df['mycol'] = df['mycol'].apply(lambda x: thous(x))
>>> df
          activate_time        date            mycol
0   2017-03-10 12:13:30  2017-03-10      1,234.56789
1   2017-03-11 13:57:49  2017-03-11      9,876.54321
2   2017-03-12 14:28:05  2017-03-12  1,111,111.11111

Answer 2

这是我根据上面伯尼的回答得到的代码。我想post在这里为其他人。

import re
def thous(x, sep=',', dot='.'):
   y = round(x)
   num, _, frac = str(y).partition(dot)
   num = re.sub(r'(\d{3})(?=\d)', r''+sep, num[::-1])[::-1]
   #  comment out for no 0    if frac:
   #  comment out for no 0   num += dot + frac
   return num

num = df.select_dtypes(include=[np.number]) #selects only numeric dtypes
for x in num:
     df[x] = df[x].apply(lambda x: thous(x))

运行它就在您使用 to_csv 命令之前，您是黄金。干杯！

Pandas to_csv 如何使用逗号作为千位分隔符来格式化 int 和 float 变量

Pandas to_csv how to format both int and float variables with comma as thousands separator

python

csv

number-formatting

pandas

浮动

整数