pandas excel 千位分隔符

可以使用 pandas 的 styler 对象来实现在 excel 中添加千位分隔符。具体实现方法如下：

1. 读取 excel 文件并创建 pandas 的 dataframe 对象

import pandas as pd

df = pd.read_excel('example.xlsx')

2. 创建 styler 对象并设置千位分隔符

def add_commas(val):
    return '{:,}'.format(val)

styler = df.style.format({'列名': add_commas})

3. 将 styler 对象写入 excel 文件

styler.to_excel('example_formatted.xlsx', index=False)

相关问题

pandas read_excel参数

Pandas中read_excel函数的常用参数有:
- filepath_or_buffer: excel文件路径或文件名
- sheet_name: 要读取的excel sheet的名称或编号(默认读取第一个sheet)
- header: 行号作为列名(默认为0)
- skiprows: 跳过前几行(默认为0)
- skipfooter: 跳过最后几行(默认为0)
- index_col: 使用哪一列作为索引(默认为None)
- names: 给列赋予新的名称(默认为None)
- usecols: 使用哪些列(默认读取所有列)
- engine: 使用的读取引擎(默认为'openpyxl', 可选'xlrd'或'xlwt')
- converters: 转换某些特殊列的数据类型(默认为None)
- true_values: 将特定值解释为True(默认为None)
- false_values: 将特定值解释为False(默认为None)
- na_values: 将特定值解释为NA/NaN(默认为None)
- keep_default_na: 是否保留默认的NA/NaN值(默认为True)
- verbose: 显示读取进度(默认为False)
- parse_dates: 将哪些列解释为日期(默认为None)
- date_parser: 日期解析函数(默认为None)
- dayfirst: 是否默认将日期按照'DD/MM/YYYY'的格式解析(默认为False)
- iterator: 是否使用迭代器读取文件(默认为False)
- chunksize: 迭代器读取的块大小(默认为None)
- compression: 压缩类型(默认为None, 可选'infer', 'gzip', 'bz2', 'zip', 'xz'等)
- thousands: 千位分隔符(默认为None)
- decimal: 小数点符号(默认为'.')
- linetermin: 行结束符(默认为'\r\n')
- quotechar: 引用符(默认为'"')
- quoting: 引用模式(默认为csv.QUOTE_MINIMAL, 可选csv.QUOTE_ALL, csv.QUOTE_NONNUMERIC, csv.QUOTE_NONE)
- doublequote: 是否将引用符内的引用符转义(默认为True)
- escapechar: 转义符(默认为None)
- comment: 注释符(默认为None)
- encoding: 编码方式(默认为None, 可选'utf-8', 'cp1252'等)
- dialect: 对话方式(默认为None, 可选csv.excel, csv.excel_tab等)
- tupleize_cols: 是否将列转换为元组(默认为False)
- error_bad_lines: 是否忽略读取过程中出现的错误(默认为True)
- warn_bad_lines: 是否在出现错误时发出警告(默认为True)
- skip_blank_lines: 是否跳过空行(默认为True)
- keep_date_col: 是否保留原有的日期列(默认为True)
- dayname: 是否包含星期名称(默认为False)
- thousands: 千位分隔符(默认为',')
- keep_default_na: 是否保留默认的NA/NaN值(默认为True)
- na_filter: 是否过滤NA/NaN值(默认为True)
- memory_map: 是否使用内pandas的read_excel()函数有许多可选参数。

常用参数如下：

- `io`: 文件路径或者文件类型。
- `sheet_name`: 读取的工作表名称或编号。
- `header`: 用来作为列名的行号。
- `skiprows`: 跳过的行数。
- `index_col`: 作为索引的列编号。
- `usecols`: 选择读取的列。
- `nrows`: 读取的行数。

其他参数可以参考官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html

pandas.read_excel 详细参数

pandas.read_excel() 是 pandas 库中用于读取 Excel 文件的函数，它的详细参数如下：

1. io：文件名、URL、文件型对象或者一个包含以上对象的列表。必需参数。
2. sheet_name：需要读取的工作表名称或者工作表索引，可以是字符串、整数或者列表。默认为 0，即读取第一个工作表。
3. header：指定列名所在的行数，默认为 0，即第一行。
4. names：列名，如果 header=None，则使用 names 作为列名。
5. index_col：指定数据中作为行名的列，可以是单个列名或者多个列名构成的列表。默认为 None，即不指定行名。
6. usecols：读取指定的列，可以是单个列名或者多个列名构成的列表。默认为 None，即读取所有列。
7. dtype：指定每列的数据类型，可以是字典或者单个类型。默认为 None，即自动推断数据类型。
8. converters：字典，用于指定每列需要转换的类型。
9. na_values：指定需要替换为 NaN 的值。
10. keep_default_na：是否保留 Excel 文件中的默认 NaN 值。
11. verbose：是否输出读取日志信息，默认为 False。
12. engine：指定 Excel 文件读取引擎，可以是 'openpyxl'、'xlrd' 或者 'xlsxwriter'。默认为 'xlrd'。
13. squeeze：是否将单列 DataFrame 转化为 Series 类型，默认为 False。
14. thousands：千位分隔符，指定数字中千位分隔符所使用的字符，默认为 ','。
15. decimal：小数点分隔符，指定数字中小数点所使用的字符，默认为 '.'。
16. skiprows：指定需要跳过的行数。
17. skipfooter：指定需要跳过的行数，从文件末尾开始计算。
18. nrows：指定需要读取的行数。
19. parse_dates：指定需要解析为日期时间格式的列，可以是单个列名或者多个列名构成的列表。
20. date_parser：用于解析日期时间格式的函数。
21. squeeze：是否将单列 DataFrame 转化为 Series 类型，默认为 False。
22. infer_datetime_format：是否启用 Pandas 的自动日期时间格式推断功能。
23. converters：字典，用于指定每列需要转换的类型。
24. sheet_list：指定需要读取的工作表列表。