用 pd.set_option('display.float_format', '{:.6f}'.format) 可关闭科学计数法显示，仅影响输出格式而不改变数据本身；临时设置用 pd.option_context，按列定制用 df.style.format()，导出 Excel 需额外处理。
直接用 pd.set_option('display.float_format') 就能关掉科学计数法
这不是“能不能”的问题，而是“怎么设才不翻车”。pd.set_option('display.float_format') 的作用是控制 DataFrame 在 print()、Jupyter 输出等**显示环节**的格式，它不改数据本身，只改你眼睛看到的样子。
最常用也最稳妥的写法是：
import pandas as pd
pd.set_option('display.float_format', '{:.6f}'.format)这会让所有浮点数统一显示为小数点后 6 位的常规数字（比如 123456789.000000 而不是 1.234568e+08）。注意：{:.6f} 对极小数（如 1e-8）可能显示为 0.000000，不是丢失精度，是格式化截断——实际值没变。
- 想显示整数就用
'{:.0f}'.format，适合 ID、计数类字段 - 想带千分位逗号就用
'{:,}'.format或'{:,.2f}'.format - 避免写
lambda x: '%.2f' % x——老写法兼容性差，且在某些 pandas 版本里会报FutureWarning
临时关闭？用 pd.option_context 更安全
全局设置会影响整个脚本或 notebook，有时候你只想让某一段输出“不科学”，其他地方照常。这时候硬重置选项很麻烦，pd.option_context 就是为此设计的上下文管理器。
示例：
with pd.option_context('display.float_format', '{:.4f}'.format):
print(df.head()) # 这里生效
print(df.head()) # 这里恢复默认，可能又变科学计数法- 适合调试、报告生成、单元测试中隔离显示行为
- 嵌套使用也 OK，内层优先级更高
- 退出
with块后自动还原，不用手动reset_option
df.style.format() 是真·按列定制，但别误当数据处理用
如果你只要某几列取消科学计数法（比如只美化金额列，保留其他列原始显示），df.style.format() 是唯一正解。它返回一个 Styler 对象，专用于渲染，不影响 df 本身的 dtype 和计算能力。
df.style.format({
'revenue': '{:,.2f}',
'growth_rate': '{:.3%}'
})- 支持字典映射列名 → 格式字符串，也支持传函数
- ⚠️ 切记：它只影响 HTML/Jupyter 渲染，
print(df)或导出 CSV 时**完全不生效** - 别把它和
df['col'].apply(...)混用——后者会把数字变成字符串，后续.sum()直接报错
导出 Excel 时科学计数法又回来了？那是 Excel 在作祟
pandas 设置再完美，导出到 Excel 后数字还是变 1.23E+10？这不是 pandas 的锅，是 Excel 默认对长数字启用科学计数法显示。解决方法只有两个：
- 导出时加
float_format='%.0f'参数：df.to_excel('out.xlsx', float_format='%.0f') - 或者导出后，在 Excel 里把对应列设为「文本」或「数值」格式（右键 → 设置单元格格式）
- ⚠️ 注意：
float_format只对数值列起作用；如果列里混了字符串或空值，Excel 可能仍按默认规则处理
真正容易被忽略的是：显示设置和数据类型是两回事。无论你怎么调 display.float_format，df.dtypes 里的 float64 不会变，超过 17 位有效数字的浮点数依然存在精度限制——这不是 pandas 能绕开的 Python/IEEE 754 底层约束。
