巧用类型判定，解决 pandas 输出格式混乱问题
在数据分析中，我们将不同类型的数据导入 pandas 数据框中时，经常会遇到输出格式不统一的情况。如何让数据根据类型自动显示为字符串、整数或浮点数格式？
为了解决这一问题，可以使用 applymap 函数进行类型判定，并根据判定结果设置不同的输出格式。具体代码如下：
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)其中：
- lambda x: ... 定义了一个匿名函数，用于根据 x 的类型返回不同的格式化字符串。
- pd.api.types.is_float(x) 判断 x 是否是浮点类型。
- pd.api.types.is_integer(x) 判断 x 是否是整数类型。
示例：
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"])
# 按照类型输出格式
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)
print(dt)输出结果：
产品 任务 销售 完成率 0 A 1万 5千 0.50% 1 B 2万 3万 1.50% 2 C 3万 1万 0.33%
通过 applymap 函数巧妙地利用类型判定，可以轻松实现不同数据类型的统一格式输出，使数据分析更加清晰直观。
