如何在 Pandas DataFrame 中格式化数值为带千位分隔符的整数

本文介绍多种在 pandas 中将数值列格式化为“整数+千位逗号”（如 `1000` → `”1,000″`）的方法，涵盖显示控制、原地转换及导出时格式化，兼顾 pandas 版本兼容性与实际使用场景。

在数据分析与报表输出中，常需将浮点型数值以易读的整数加千位分隔符形式展示（如 1000.2 → “1,000”），但又不改变底层数据类型。Pandas 提供了灵活的多层级解决方案：从仅影响显示效果，到永久转换为字符串格式，再到导出时动态格式化。以下按使用场景分类说明。

✅ 方法一：仅修改显示格式（推荐用于临时查看）

适用于调试、jupyter Notebook 输出等无需修改原始数据的场景。通过 pd.set_option() 或上下文管理器设置全局/临时浮点数显示格式：

import pandas as pd  df = pd.DataFrame({     'Header': ['L1', 'L2', 'L3'],     'Val1': [1000.2, 2000.40, 300.55],     'Val2': [4000.3, 500.00, 60000.55] })  # 方式1：临时生效（推荐，避免污染全局设置） with pd.option_context('display.float_format', '{:,.0f}'.format):     print(df)  # 方式2：当前会话全局生效（谨慎使用） # pd.set_option('display.float_format', '{:,.0f}'.format) # print(df)

⚠️ 注意：此方法不改变数据类型（仍为 float64），仅影响 print()、Jupyter 输出等显示行为；导出 csv/excel 时仍保留原始浮点值。

✅ 方法二：永久转换为带格式的字符串（适用于导出或前端展示）

若需生成最终可导出的字符串型 DataFrame（如生成 html 表格、发送邮件、对接前端），应显式转换数值列为格式化字符串：

# 仅对数值列操作，避免影响非数值列（如 'Header'） numeric_cols = df.select_dtypes(include='number').columns df[numeric_cols] = df[numeric_cols].map(lambda x: f'{x:,.0f}') print(df)

? 版本兼容提示：

• Pandas ≥ 2.1.0：使用 .map()（推荐）
• Pandas applymap()（已弃用，仅作兼容参考）

该方式将 Val1 和 Val2 列转为 Object 类型的字符串，结果为：

Header   Val1    Val2 0     L1  1,000   4,000 1     L2  2,000     500 2     L3    301  60,001

✅ 方法三：导出时按需格式化（零侵入、高灵活性）

当需生成 markdown、LaTeX 或纯文本报告时，可利用 Pandas 内置导出方法的 float_format 参数，完全不修改原始 DataFrame：

# 导出为 Markdown 表格（支持 gitHub/gitlab 渲染） print(df.to_markdown(floatfmt=",.0f"))  # 导出为对齐文本（适合日志或终端打印） print(df.to_string(float_format='{:,.0f}'.format))  # 导出为 LaTeX 表格（学术论文常用） print(df.to_latex(float_format='{:,.0f}'.format))

? 总结与选型建议

? 小技巧：若需四舍五入后再格式化（如 300.55 → “301”），{:.0f} 格式符已自动实现；若需向下取整，可先用 df.round(0).astype(int) 预处理。