当然，我在评论中链接的答案不是很有帮助。您可以像这样指定自己的字符串转换器。

In [25]: pd.set_option('display.float_format', lambda x: '%.3f' % x)

In [28]: Series(np.random.randn(3))*1000000000
Out[28]: 
0    -757322420.605
1   -1436160588.997
2   -1235116117.064
dtype: float64

我不确定这是不是最好的方法，但它确实有效。
纯粹出于美学目的将数字转换为字符串似乎是一个坏主意，但如果你有一个很好的理由，这是一种方法：

In [6]: Series(np.random.randn(3)).apply(lambda x: '%.3f' % x)
Out[6]: 
0     0.026
1    -0.482
2    -0.694
dtype: object

下面是另一种方法，类似于Dan Allan's answer，但没有lambda函数：

>>> pd.options.display.float_format = '{:.2f}'.format
>>> Series(np.random.randn(3))
0    0.41
1    0.99
2    0.10

或

>>> pd.set_option('display.float_format', '{:.2f}'.format)

您可以使用round函数来抑制特定 Dataframe 的科学计数法：

df1.round(4)

也可以通过以下方式全局抑制：

pd.options.display.float_format = '{:.4f}'.format

如果要在jupyter notebook单元格中设置数据框输出的样式，可以在每个数据框的基础上设置显示样式：

df = pd.DataFrame({'A': np.random.randn(4)*1e7})
df.style.format("{:.1f}")

请参阅此处的文档。

在全局范围内设置固定的小数位数通常不是一个好主意，因为无论大小如何，它都不太可能是您将显示的所有各种数据的适当小数位数。相反，尝试这样做，它将为您提供仅用于大值和非常小的值的科学记数法（并添加千位分隔符，除非您省略“，”）：

pd.set_option('display.float_format', lambda x: '%,g' % x)

或者，为了几乎完全抑制科学记数法而不损失精度，请尝试以下操作：

pd.set_option('display.float_format', str)

我有多个不同浮点数的 Dataframe ，所以感谢Allans的想法，使动态长度。

pd.set_option('display.float_format', lambda x: f'%.{len(str(x%1))-2}f' % x)

这个的缺点是，如果你在float中有最后一个0，它会削减它。所以它不是0.000070，而是0.00007。

扩展这个有用的注解，这里是一个解决方案，它设置格式选项仅显示结果，而不永久更改选项：

with pd.option_context('display.float_format', lambda x: f'{x:,.3f}'):
    display(sum_sales_dept)

dept
value1  119,243,300.0
value2  129,306,600.0
value3  107,714,200.0

如果你想使用这些值，比如说作为csvfile csv.writer的一部分，可以在创建列表之前格式化这些数字：

df['label'].apply(lambda x: '%.17f' % x).values.tolist()

这个问题我已经提了至少十几次了，因为我总是忘记怎么做。我发现了一个更简单的解决方案，这里没有提到使用pandas.DataFrame.round：

df.describe().round(5)

或

df.column.describe().round(5)