如何更改 .describe() 输出的格式

Question

我把.describe()放到数据帧上，输出看起来不太好。我希望输出显示整数，而不是用指数简化。

输入：

df["A"].describe()

输出如下所示：

count    6.000000e+01
mean     7.123568e+04
std      2.144483e+05
min      1.000000e+02
25%      2.770080e+03
50%      1.557920e+04
75%      4.348470e+04
max      1.592640e+06
Name: A, dtype: float64

预期输出：

count    60.0
mean     7123.568
std      214448.3
min      100.0000
25%      2770.080
50%      15579.20
75%      43484.70
max      1592640.0
Name: A, dtype: float64

Answer 1

您可以在熊猫set_option中更改熊猫的float_format

import pandas as pd
import numpy as np
pd.set_option('display.float_format', lambda x: '%.5f' % x)
data = pd.DataFrame()
data['X'] = (np.random.rand(1000, ) + 10000000) * 0.587
data['X'].describe()
# Output 
count      1000.00000
mean    5870000.47894
std           0.28447
min     5870000.00037
25%     5870000.23637
50%     5870000.45799
75%     5870000.71652
max     5870000.99774
Name: X, dtype: float64

或者不使用set_option像这样在输出系列上使用apply

import pandas as pd
import numpy as np
data = pd.DataFrame()
data['X'] = np.random.rand(1000, ) + 10000000 * 0.587
data['X'].describe().apply("{0:.5f}".format)
#output
count       1000.00000
mean     5870000.48955
std            0.29247
min      5870000.00350
25%      5870000.22416
50%      5870000.50163
75%      5870000.73457
max      5870000.99995

Answer 2

尝试为使用熊猫获得的输出设置浮点格式

import pandas as pd
pd.set_option('display.float_format', lambda x: '%.3f' % x)

Answer 3

包括对上面建议的答案进行小的修改，这些答案往往会在我的 Python (3.7.7(/Pandas (1.3.3( 版本中引发错误。假设您只需要最多第三个有效数字的摘要统计信息，则可以使用 applymap() 和匿名函数。

例如：

df[["A"]].describe().applymap(lambda x: f"{x:0.3f}")

Answer 4

如果您

使用的是 Python 3.8 和 Pandas 1.3.5，则提供简单的解决方案：

df.describe().applymap('{:,.2f}'.format)

Answer 5

只要一行熊猫就可以为你做这件事。

df[["A"]].describe().format('{:.3f}')

Answer 6

#fun 以易于阅读的格式读取长数字，例如百万兆

def human_format(num):
    magnitude = 0
    while abs(num) >= 1000:
        magnitude += 1
        num /= 1000.0
    # add more suffixes if you need them
    return '%.2f%s' % (num, ['', 'K', 'Million', 'Trillion', 'G', 'P'][magnitude])

原始数据帧

df.describe()
           sales        profile
count   3.504600e+04    35046.000000
mean    1.132153e+07    613.877191
std     2.622250e+08    3862.190022
min    -3.702949e+09    -16202.130000
25%     5.221783e+03    7.000000
50%     3.110371e+04    33.000000
75%     2.131200e+05    135.000000
max     2.621423e+10    92930.370000

以上：- 09表示万亿，0600万等。但读起来还是很乱。

下面：- 你可以用更人性化的方式阅读它

df2 = df.describe() #creating a diff. dataframe
for x in df2:
  df2[x] =df2[x].apply(human_format)
df2
        total_amounts   volume_mt
count   35.05K           35.05K
mean    11.32Million     613.88
std     262.22Million    3.86K
min     -3.70Trillion    -16.20K
25%     5.22K            7.00
50%     31.10K           33.00
75%     213.12K          135.00
max     26.21Trillion    92.93K

Answer 7

您可以使用

df["A"].describe(include=['category'])