Formatowanie / pomijanie notacji naukowej z wyników agregacji Python Pandas

Jak można zmodyfikować format danych wyjściowych z operacji grupowej w pandach, która tworzy notację naukową dla bardzo dużych liczb?

Wiem, jak wykonać formatowanie ciągów znaków w Pythonie, ale nie mam pojęcia, jak je tutaj zastosować.

df1.groupby('dept')['data1'].sum()

dept
value1       1.192433e+08
value2       1.293066e+08
value3       1.077142e+08

To pomija notację naukową, jeśli konwertuję na ciąg, ale teraz zastanawiam się tylko, jak sformatować ciąg i dodać dziesiętne.

sum_sales_dept.astype(str)

To prawda, odpowiedź, którą podałem w komentarzach, nie jest zbyt pomocna. W ten sposób możesz określić własny konwerter ciągów.

In [25]: pd.set_option('display.float_format', lambda x: '%.3f' % x)

In [28]: Series(np.random.randn(3))*1000000000
Out[28]: 
0    -757322420.605
1   -1436160588.997
2   -1235116117.064
dtype: float64

Nie jestem pewien, czy jest to preferowany sposób, ale działa.

Przekształcanie liczb na ciągi wyłącznie ze względów estetycznych wydaje się złym pomysłem, ale jeśli masz dobry powód, jest jeden sposób:

In [6]: Series(np.random.randn(3)).apply(lambda x: '%.3f' % x)
Out[6]: 
0     0.026
1    -0.482
2    -0.694
dtype: object

Oto inny sposób na zrobienie tego, podobny do odpowiedzi Dana Allana, ale bez funkcji lambda:

>>> pd.options.display.float_format = '{:.2f}'.format
>>> Series(np.random.randn(3))
0    0.41
1    0.99
2    0.10

lub

>>> pd.set_option('display.float_format', '{:.2f}'.format)

Możesz użyć funkcji round, aby wyłączyć notację naukową dla określonej ramki danych:

df1.round(4)

lub możesz wyłączyć to globalnie przez:

pd.options.display.float_format = '{:.4f}'.format

Jeśli chcesz stylizować dane wyjściowe ramki danych w komórce notatnika jupyter, możesz ustawić styl wyświetlania na podstawie poszczególnych ramek danych:

df = pd.DataFrame({'A': np.random.randn(4)*1e7})
df.style.format("{:.1f}")

Zobacz dokumentację tutaj .

Jeśli chcesz użyć wartości, powiedzmy jako części pliku csv csv.writer, liczby można sformatować przed utworzeniem listy:

df['label'].apply(lambda x: '%.17f' % x).values.tolist()