用pandas.DataFrame.to_csv()按列输出不同的精度？

Question

问题

是否可以为printed pandas包方法csv打印的每一列指定浮动精度？

背景

如果我有一个像这样排列的pandas数据文件：

In [53]: df_data[:5]
Out[53]: 
    year  month  day       lats       lons  vals
0   2012      6   16  81.862745 -29.834254   0.0
1   2012      6   16  81.862745 -29.502762   0.1
2   2012      6   16  81.862745 -29.171271   0.0
3   2012      6   16  81.862745 -28.839779   0.2
4   2012      6   16  81.862745 -28.508287   0.0

有一个float_format选项，可以用来指定一个精度，但这适用于打印时数据的所有列的精度。

当我这样说的时候：

df_data.to_csv(outfile, index=False,
                   header=False, float_format='%11.6f')

我得到以下信息，其中vals的精度不准确：

2012,6,16,  81.862745, -29.834254,   0.000000
2012,6,16,  81.862745, -29.502762,   0.100000
2012,6,16,  81.862745, -29.171270,   0.000000
2012,6,16,  81.862745, -28.839779,   0.200000
2012,6,16,  81.862745, -28.508287,   0.000000

Answer 1

在将数据帧导出到CSV文件之前更改列"vals“的类型

df_data['vals'] = df_data['vals'].map(lambda x: '%2.1f' % x)

df_data.to_csv(outfile, index=False, header=False, float_format='%11.6f')

Answer 2

hknust第一行的最新版本将是：

df_data['vals'] = df_data['vals'].map(lambda x: '{0:.1}'.format(x))

不使用科学符号印刷：

df_data['vals'] = df_data['vals'].map(lambda x: '{0:.1f}'.format(x)) 

Answer 3

这个问题有点老了，但我想给出一个更好的答案，我想是这样的：

formats = {'lats': '{:10.5f}', 'lons': '{:.3E}', 'vals': '{:2.1f}'}

for col, f in formats.items():
    df_data[col] = df_data[col].map(lambda x: f.format(x))

我尝试了解决方案这里，但是它对我无效，我决定尝试这里给出的previus解决方案，并结合上面的链接。