Le Format de certaines flottant dataframe colonnes en pourcentage dans les pandas

Je suis en train d'écrire un papier dans IPython notebook, mais a rencontré quelques problèmes avec le format d'affichage. Dire que j'ai suivantes dataframe df, est-il un moyen de formater var1 et var2 en 2 chiffres décimaux et var3 en pourcentages.

       var1        var2         var3    
id                                              
0    1.458315    1.500092   -0.005709   
1    1.576704    1.608445   -0.005122    
2    1.629253    1.652577   -0.004754    
3    1.669331    1.685456   -0.003525   
4    1.705139    1.712096   -0.003134   
5    1.740447    1.741961   -0.001223   
6    1.775980    1.770801   -0.001723    
7    1.812037    1.799327   -0.002013    
8    1.853130    1.822982   -0.001396    
9    1.943985    1.868401    0.005732

Les chiffres à l'intérieur ne sont pas multipliés par 100, par exemple -0.0057=-0.57%.

  • Dans le cas où si quelqu'un est à la recherche à cette question après 2014, regardez ma réponse pour une réponse concise.
InformationsquelleAutor user3576212 | 2014-06-01
  1. 27

    remplacer les valeurs à l'aide de la fonction round, et le format de la représentation sous forme de chaîne les chiffres de pourcentage:

    df['var2'] = pd.Series([round(val, 2) for val in df['var2']], index = df.index)
df['var3'] = pd.Series(["{0:.2f}%".format(val * 100) for val in df['var3']], index = df.index)

    La fonction round arrondit un nombre à virgule flottante pour le nombre de décimales à condition que le deuxième argument de la fonction.

    Chaîne de mise en forme permet de représenter les nombres que vous le souhaitez. Vous pouvez modifier le nombre de décimales indiqué en changeant le nombre de chiffres avant la f.

    p.s. Je n'étais pas sûr si votre pourcentage nombre avait déjà été multiplié par 100. Si ils l'ont clairement vous souhaitez modifier le nombre de décimales affichées, et de supprimer les centaines de multiplication.

    • Merci, cela changera les valeurs réelles à l'intérieur de chaque colonne?
    • Oui, si ce n'est pas souhaitée, puis il suffit de créer de nouvelles colonnes avec ces variables. Autant que je sache, il n'y a aucun moyen de spécifier comment la sortie apparaît au-delà de ce que les données ne le sont réellement.
    • Pour arrondir les valeurs dans une série, vous pouvez aussi simplement utiliser df['var2'].round(2)
    • Vous pouvez également définir le format par défaut pour float : pd.des options.d'affichage.float_format = '{:.2f}%'.format
    • C'est une excellente suggestion (pour certains cas d'utilisation), il devrait être sa propre réponse (si je peux upvote il) Mais il ne faut tordre le multiplier par 100.
    InformationsquelleAutor Woody Pride
  2. 81

    La accepté de répondre suggère de modifier les données brutes pour les besoins de la présentation, quelque chose en général, vous ne voulez pas. Imaginez que vous ayez besoin de faire d'autres analyses avec ces colonnes et vous avez besoin de la précision que vous avez perdu avec l'arrondissement.

    Vous pouvez modifier la mise en forme des colonnes individuelles dans des trames de données, dans votre cas:

    output = df.to_string(formatters={
    'var1': '{:,.2f}'.format,
    'var2': '{:,.2f}'.format,
    'var3': '{:,.2%}'.format
})
print(output)

    Pour votre information '{:,.2%}'.format(0.214) rendements 21.40%, donc pas besoin d'en multipliant le résultat par 100.

    Vous n'avez pas un joli tableau HTML, mais plus d'une représentation de texte. Si vous avez besoin de rester avec HTML, utilisez la to_html fonction de la place.

    from IPython.core.display import display, HTML
output = df.to_html(formatters={
    'var1': '{:,.2f}'.format,
    'var2': '{:,.2f}'.format,
    'var3': '{:,.2%}'.format
})
display(HTML(output))

    Mise à jour

    Comme des pandas 0.17.1, la vie est plus facile et on peut obtenir un beau tableau html tout de suite:

    df.style.format({
    'var1': '{:,.2f}'.format,
    'var2': '{:,.2f}'.format,
    'var3': '{:,.2%}'.format,
})
    • Si vous avez n ou un montant variable de colonnes dans votre dataframe et que vous voulez appliquer la même mise en forme à travers toutes les colonnes, mais vous ne pouvez pas connaître toutes les en-têtes de colonne à l'avance, vous n'avez pas à mettre des formateurs dans un dictionnaire, vous pouvez faire une liste et de le faire de façon créative comme ceci: sortie = df.to_html(formateurs=n * ['{:,.2%}'.format])
    • Beaucoup mieux que la accepté de répondre à
    • Un ensemble standard de ces dans une dict avec attr l'accès serait génial.
    InformationsquelleAutor linqu
  3. 26

    Vous pouvez également définir le format par défaut pour float : 

    pd.options.display.float_format = '{:.2f}%'.format
    • Bon à savoir et pertinents pour les OP question à propos de la sortie d'un python portable
    • Et si les pourcentages sont encore en décimales (par exemple, lors de l'utilisation de df.pct_change()): pd.options.display.float_format = '{:.2%}'.format
    InformationsquelleAutor Romain Jouin
  4. 20

    Comme suggéré par @linqu vous ne devez pas modifier vos données à des fins de présentation. Depuis pandas 0.17.1, (conditionnelle) de mise en forme a été rendue plus facile. Citant le la documentation:

    Vous pouvez appliquer la mise en forme conditionnelle, le style visuel d'un DataFrame selon les données de l'intérieur, à l'aide de la DataFrame.style de la propriété. C'est une propriété qui renvoie un pandas.Styler objet, qui possède des méthodes utiles pour la mise en forme et l'affichage de DataFrames.

    Pour votre exemple, qui serait (l'habituel tableau s'affichera dans Jupyter):

    df.style.format({
    'var1': '{:,.2f}'.format,
    'var2': '{:,.2f}'.format,
    'var3': '{:,.2%}'.format,
})
    InformationsquelleAutor mdeff
  5. 3

    Juste une autre façon de faire devrait vous besoin de le faire sur une plus grande gamme de colonnes

    à l'aide de applymap

    df[['var1','var2']] = df[['var1','var2']].applymap("{0:.2f}".format)
df['var3'] = df['var3'].applymap(lambda x: "{0:.2f}%".format(x*100))

    applymap est utile si vous avez besoin d'appliquer la fonction sur plusieurs colonnes; il s'agit essentiellement d'une abréviation de la ci-dessous pour cet exemple précis:

    df[['var1','var2']].apply(lambda x: map(lambda x:'{:.2f}%'.format(x),x),axis=1)

    Grande explication ci-dessous de les appliquer, carte applymap:

    La différence entre la carte, applymap et d'appliquer des méthodes dans les Pandas

    InformationsquelleAutor RK1
  6. 2

    Viens de faire:

    df.style.format({'var1': "{:.2f}",'var2': "{:.2f}",'var3': "{:.2%}"})

    Donne:

    var1    var2    var3
id          
0   1.46    1.50    -0.57%
1   1.58    1.61    -0.51%
2   1.63    1.65    -0.48%
3   1.67    1.69    -0.35%
4   1.71    1.71    -0.31%
5   1.74    1.74    -0.12%
6   1.78    1.77    -0.17%
7   1.81    1.80    -0.20%
8   1.85    1.82    -0.14%
9   1.94    1.87    0.57%
    • C'est le plus Pythonic réponse.
    InformationsquelleAutor I_am_Groot
  7. 1

    Comme une approche similaire pour la accepté de réponse qui pourrait être considéré comme un peu plus lisible, élégante, et en général (YMMV), vous pouvez tirer parti de la map méthode:

    # OP example
df['var3'].map(lambda n: '{:,.2%}'.format(n))

# also works on a series
series_example.map(lambda n: '{:,.2%}'.format(n))

    En terme de Performance, c'est assez proche (un peu lent) que l'OP solution.

    En aparté, si vous ne choisissez d'aller de l' pd.options.display.float_format route, pensez à utiliser un gestionnaire de contexte pour gérer l'état par ce en parallèle numpy exemple.

    InformationsquelleAutor circld