如何在Python中打印describe()函数中的整数？
如何在Python中打印describe()函数中的整数？
提问于 2016-12-26 16:48:41
我正在使用Python的pandas做一些统计工作，并使用以下代码打印数据描述(平均值、计数、中位数等)。
data=pandas.read_csv(input_file)
print(data.describe())但是我的数据非常大(大约400万行)，而每行都有非常小的数据。所以不可避免的是，计数会很大，而平均值会很小，因此Python会这样打印它。
我只是想打印这些数字，只是为了方便使用和理解，例如，它最好是4393476而不是4.393476e+06。我用谷歌搜索了一下，我能找到的最多的是Display a float with two decimal places in Python和其他类似的帖子。但只有当我已经在变量中有数字时，这才能起作用。但我的情况并非如此。在我的例子中，我没有得到这些数字。这些数字是由describe()函数创建的，所以我不知道我会得到什么数字。
很抱歉，如果这看起来是一个非常基本的问题，我仍然是Python的新手。任何响应都会被忽略。谢谢。
回答 2
Stack Overflow用户
回答已采纳
发布于 2016-12-26 17:15:44
假设您有以下DataFrame
编辑
我检查了文档，您可能应该使用pandas.set_option应用程序接口来完成此操作：
In [13]: df
Out[13]:
a b c
0 4.405544e+08 1.425305e+08 6.387200e+08
1 8.792502e+08 7.135909e+08 4.652605e+07
2 5.074937e+08 3.008761e+08 1.781351e+08
3 1.188494e+07 7.926714e+08 9.485948e+08
4 6.071372e+08 3.236949e+08 4.464244e+08
5 1.744240e+08 4.062852e+08 4.456160e+08
6 7.622656e+07 9.790510e+08 7.587101e+08
7 8.762620e+08 1.298574e+08 4.487193e+08
8 6.262644e+08 4.648143e+08 5.947500e+08
9 5.951188e+08 9.744804e+08 8.572475e+08
In [14]: pd.set_option('float_format', '{:f}'.format)
In [15]: df
Out[15]:
a b c
0 440554429.333866 142530512.999182 638719977.824965
1 879250168.522411 713590875.479215 46526045.819487
2 507493741.709532 300876106.387427 178135140.583541
3 11884941.851962 792671390.499431 948594814.816647
4 607137206.305609 323694879.619369 446424361.522071
5 174424035.448168 406285189.907148 445616045.754137
6 76226556.685384 979050957.963583 758710090.127867
7 876261954.607558 129857447.076183 448719292.453509
8 626264394.999419 464814260.796770 594750038.747595
9 595118819.308896 974480400.272515 857247528.610996
In [16]: df.describe()
Out[16]:
a b c
count 10.000000 10.000000 10.000000
mean 479461624.877280 522785202.100082 536344333.626082
std 306428177.277935 320806568.078629 284507176.411675
min 11884941.851962 129857447.076183 46526045.819487
25% 240956633.919592 306580799.695412 445818124.696121
50% 551306280.509214 435549725.351959 521734665.600552
75% 621482597.825966 772901261.744377 728712562.052142
max 879250168.522411 979050957.963583 948594814.816647编辑结束
In [7]: df
Out[7]:
a b c
0 4.405544e+08 1.425305e+08 6.387200e+08
1 8.792502e+08 7.135909e+08 4.652605e+07
2 5.074937e+08 3.008761e+08 1.781351e+08
3 1.188494e+07 7.926714e+08 9.485948e+08
4 6.071372e+08 3.236949e+08 4.464244e+08
5 1.744240e+08 4.062852e+08 4.456160e+08
6 7.622656e+07 9.790510e+08 7.587101e+08
7 8.762620e+08 1.298574e+08 4.487193e+08
8 6.262644e+08 4.648143e+08 5.947500e+08
9 5.951188e+08 9.744804e+08 8.572475e+08
In [8]: df.describe()
Out[8]:
a b c
count 1.000000e+01 1.000000e+01 1.000000e+01
mean 4.794616e+08 5.227852e+08 5.363443e+08
std 3.064282e+08 3.208066e+08 2.845072e+08
min 1.188494e+07 1.298574e+08 4.652605e+07
25% 2.409566e+08 3.065808e+08 4.458181e+08
50% 5.513063e+08 4.355497e+08 5.217347e+08
75% 6.214826e+08 7.729013e+08 7.287126e+08
max 8.792502e+08 9.790510e+08 9.485948e+08您需要摆弄一下pandas.options.display.float_format属性。注意，在我的代码中，我使用了import pandas as pd。一种快速解决方法类似于：
In [29]: pd.options.display.float_format = "{:.2f}".format
In [10]: df
Out[10]:
a b c
0 440554429.33 142530513.00 638719977.82
1 879250168.52 713590875.48 46526045.82
2 507493741.71 300876106.39 178135140.58
3 11884941.85 792671390.50 948594814.82
4 607137206.31 323694879.62 446424361.52
5 174424035.45 406285189.91 445616045.75
6 76226556.69 979050957.96 758710090.13
7 876261954.61 129857447.08 448719292.45
8 626264395.00 464814260.80 594750038.75
9 595118819.31 974480400.27 857247528.61
In [11]: df.describe()
Out[11]:
a b c
count 10.00 10.00 10.00
mean 479461624.88 522785202.10 536344333.63
std 306428177.28 320806568.08 284507176.41
min 11884941.85 129857447.08 46526045.82
25% 240956633.92 306580799.70 445818124.70
50% 551306280.51 435549725.35 521734665.60
75% 621482597.83 772901261.74 728712562.05
max 879250168.52 979050957.96 948594814.82Stack Overflow用户
发布于 2016-12-26 17:54:53
import numpy as np
import pandas as pd
np.random.seed(2016)
N = 4393476
df = pd.DataFrame(np.random.uniform(1e-4, 0.1, size=(N,3)), columns=list('ABC'))
desc = df.describe()
desc.loc['count'] = desc.loc['count'].astype(int).astype(str)
desc.iloc[1:] = desc.iloc[1:].applymap('{:.6f}'.format)
print(desc)收益率
A B C
count 4393476 4393476 4393476
mean 0.050039 0.050056 0.050057
std 0.028834 0.028836 0.028849
min 0.000100 0.000100 0.000100
25% 0.025076 0.025081 0.025065
50% 0.050047 0.050050 0.050037
75% 0.074987 0.075027 0.075055
max 0.100000 0.100000 0.100000在引擎盖下，DataFrames是按列组织的。一列中的值只能有一种数据类型(列的dtype)。df.describe()返回的DataFrame包含浮点数据类型的列：
In [116]: df.describe().info()
<class 'pandas.core.frame.DataFrame'>
Index: 8 entries, count to max
Data columns (total 3 columns):
A 8 non-null float64
B 8 non-null float64
C 8 non-null float64
dtypes: float64(3)
memory usage: 256.0+ bytesDataFrames不允许您将一行视为整数，而将其他行视为浮点数。但是，如果将DataFrame的内容更改为字符串，则可以完全控制这些值的显示方式，因为所有值都是字符串。
因此，要以所需的格式创建DataFrame，可以使用
desc.loc['count'] = desc.loc['count'].astype(int).astype(str)将count行转换为整数(通过调用astype(int))，然后将整数转换为字符串(通过调用astype(str))。然后
desc.iloc[1:] = desc.iloc[1:].applymap('{:.6f}'.format)使用str.format method将其余浮点数转换为字符串，以将浮点数格式化为小数点后的6位数字。
或者，您可以使用
import numpy as np
import pandas as pd
np.random.seed(2016)
N = 4393476
df = pd.DataFrame(np.random.uniform(1e-4, 0.1, size=(N,3)), columns=list('ABC'))
desc = df.describe().T
desc['count'] = desc['count'].astype(int)
print(desc)哪一项会产生
count mean std min 25% 50% 75% max
A 4393476 0.050039 0.028834 0.0001 0.025076 0.050047 0.074987 0.1
B 4393476 0.050056 0.028836 0.0001 0.025081 0.050050 0.075027 0.1
C 4393476 0.050057 0.028849 0.0001 0.025065 0.050037 0.075055 0.1通过转置desc DataFrame，count现在位于自己的列中。因此，现在可以通过将该列的数据类型转换为int来解决问题。
这样做的一个优点是，desc中的值仍然是数值。因此，仍然可以基于数值进行进一步的计算。
我认为这种解决方案更可取，前提是转置格式是可以接受的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41328633
复制相关文章
相似问题
腾讯云开发者
