pandas.DataFrame.to_markdown变换大整数到浮点
pandas.DataFrame.to_markdown变换大整数到浮点
提问于 2020-12-25 13:36:08
pandas.DataFrame.to_markdown将大型int转换为float。它是一个bug还是一个特性？有什么解决办法吗？
>>> df = pd.DataFrame({"A": [123456, 123456]})
>>> print(df.to_markdown())
| | A |
|---:|-------:|
| 0 | 123456 |
| 1 | 123456 |
>>> df = pd.DataFrame({"A": [1234567, 1234567]})
>>> print(df.to_markdown())
| | A |
|---:|------------:|
| 0 | 1.23457e+06 |
| 1 | 1.23457e+06 |
>>> print(df)
A
0 1234567
1 1234567
>>> print(df.A.dtype)
int64回答 2
Stack Overflow用户
回答已采纳
发布于 2020-12-25 14:09:31
我最初只找到了一个解决办法，但没有找到解释:将列转换为字符串。
>>> df = pd.DataFrame({"A": [1234567, 1234567]})
>>> df["A"] = df.A.astype(str)
>>> print(df.to_markdown())
| | A |
|---:|--------:|
| 0 | 1234567 |
| 1 | 1234567 |更新：
我认为这是由两个因素造成的：
_column_type函数在tabulate中的应用
def _column_type(strings, has_invisible=True, numparse=True):
"""The least generic type all column values are convertible to.可以通过tablefmt="pretty"禁用转换来解决这个问题。
print(df.to_markdown(tablefmt="pretty"))
+---+---------+
| | A |
+---+---------+
| 0 | 1234567 |
| 1 | 1234567 |
+---+---------+- 当有多个列时，其中一个列包含
float编号。由于tabulate使用df.values提取数据，从而将DataFrame转换为numpy.array，因此所有值都被转换为相同的dtype(float)。这一点在本期中也有讨论。
>>> df = pd.DataFrame({"A": [1234567, 1234567], "B": [0.1, 0.2]})
>>> print(df)
A B
0 1234567 0.1
1 1234567 0.2
>>> print(df.A.dtype)
int64
>>> print(df.to_markdown(tablefmt="pretty"))
+---+-----------+-----+
| | A | B |
+---+-----------+-----+
| 0 | 1234567.0 | 0.1 |
| 1 | 1234567.0 | 0.2 |
+---+-----------+-----+
>>> df.values
array([[1.234567e+06, 1.000000e-01],
[1.234567e+06, 2.000000e-01]])Stack Overflow用户
发布于 2020-12-25 14:17:08
如果您检查熊猫选项，那么重要数字的默认数字是6。
import pandas as pd
pd.describe_option()
display.precision : int
Floating point output precision (number of significant digits). This is
only a suggestion
[default: 6] [currently: 6]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/65448556
复制相关文章
相似问题
腾讯云开发者
