6.2 数据格式变换

6.2数据格式变换学习内容1设置小数位数2设置百分比3设置千位分隔符6.2数据格式变换pandas处理数据时为了提高可读性，一般会对数字进行如设置小数位数、设置百分号和设置千位分隔符等的格式变换。。6.2.1设置小数位数设置小数位数，可以使用DataFrame对象的round()方法，该方法可以实现四舍五入，返回值为变换后的数据，默认更改的是原始对象的副本，语法格式如下：1pandas.round(decimals=0，*args，**kargs)6.2数据格式变换6.2.1设置小数位数表6.2.1

round()方法的参数说明序号参数说明1decimals将每一列四舍五入的小数位数，可以是整数、字典和Series对象。如果是整数，则将每一列四舍五入为相同的小数位数。或者对指定的字典或者Series对象设置小数位数2*args附加的位置字参数3**kwargs附加的关键字参数案例：通过round()方法设置小数位数01importpandasaspd02df=pd.DataFrame({'A1':[1.7823,1.7653,1.7478,1.7259],'A2':[1.6970,1.6732,1.6578,1.6432]})03df04df.round(2)6.2数据格式变换6.2.1设置小数位数案例：通过round()方法设置小数位数05df.round({'A1':2,'A2':1})06s=pd.Series([2,3],index=['A1','A2'])07df.round(s)第5行代码传入字典表示，表示A1列保留2位小数，A2列保留1位小数。第6行代码创建Series对象s，A1初始化为2，A2初始化为3。第7行代码对df对象按照参数s设置小数位数。6.2数据格式变换6.2.2设置百分比在数据分析过程中，有时候需要用到百分比数据。目前，没有方法可以直接将小数变换为百分数。所以，可以通过自定义变换函数将数据进行格式变换。可以通过联合使用map()方法和format()方法变换成指定小数位数的百分数形式。map()方法是Series对象的方法，其自动根据指定的变换函数遍历每一个数据，然后返回一个数据结构为Series对象的结果，语法格式如下所示：1Series.map(arg,na_action=None)6.2数据格式变换6.2.2设置百分比表6.2.2

map()方法的参数说明序号参数说明1arg函数，可以是自定义的函数，或者匿名函数lambda;还可以是字典或者Series对象。2na_action默认为None;处理NaN变量,如果为None则不处理NaN对象,如果为‘ignore’则将NaN对象当做普通对象带入规则01importpandasaspd02df=pd.DataFrame({'B1':[0.8984,0.8673,0.8478],'B2':[0.7964,0.7748,0.7578]})03df['百分比1']=df['B1'].map(lambdax:format(x,'.1%'))04df['百分比2']=df['B2'].map(lambdax:format(x,'.2%'))05df6.2数据格式变换6.2.3设置千位分隔符在进行数据分析时，有时候根据业务需要，需要将数据格式变换为带千位分隔符的数据，变换后的数据类型为object。01importpandasaspd02df=pd.DataFrame({'季度':[1,2,3,4],'销售额':[125678,