通过applymap方法格式化dataframe
在读取数据时，经常会出现不同类型的数据混杂在一起的情况，这也给数据的格式化带来了一定的困难。为了解决这个问题，pandas提供了applymap方法，它可以逐个元素对dataframe进行操作。
以给定的dataframe为例，其中包含字符串、整数和浮点数：
import pandas as pd data = [['a', 10000, 5000, 0.5], ['b', 20000, 30000, 1.5], ['c', 30000, 10000, 0.3333333]] dt = pd.dataframe(data, columns=['产品', '任务', '销售', '完成率'])
要将结果格式化为如下形式：
动态WEB网站中的PHP和MySQL：直观的QuickPro指南第2版
下载
动态WEB网站中的PHP和MySQL详细反映实际程序的需求，仔细地探讨外部数据的验证(例如信用卡卡号的格式)、用户登录以及如何使用模板建立网页的标准外观。动态WEB网站中的PHP和MySQL的内容不仅仅是这些。书中还提到如何串联JavaScript与PHP让用户操作时更快、更方便。还有正确处理用户输入错误的方法，让网站看起来更专业。另外还引入大量来自PEAR外挂函数库的强大功能，对常用的、强大的包
| 产品 | 任务 | 销售 | 完成率 |
|---|---|---|---|
| a | - | 1.0万 | 50.00% |
| b | - | 3.0万 | 150.00% |
| c | - | 1.0万 | 33.33% |
可以使用applymap方法应用λ函数：
dt = dt.applymap(lambda x: format(x, '.2%') if pd.api.types.is_float(x) else '{:.1f}万'.format(x/10000) if pd.api.types.is_integer(x) else x)通过lambda函数判断每个元素的类型，并应用相应的格式。最终结果如下所示：
| 产品 | 任务 | 销售 | 完成率 |
|---|---|---|---|
| a | - | 1.0万 | 50.00% |
| b | - | 3.0万 | 150.00% |
| c | - | 1.0万 | 33.33% |
