如何将df中的数值都归一化到e-12科学计数法，df中的数值有些是整数，有些用e-11，有些用e-9表示

您可以使用pandas中的applymap方法和numpy中的log10函数将DataFrame中的数值都归一化到e-12科学计数法。以下是一个示例代码：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({'numbers': [1.234567890123e-11, 123456789012, 1.234567890123e-9]})

# 将DataFrame中的数值都归一化到e-12科学计数法
df = df.applymap(lambda x: '{:.12e}'.format(x / 10 ** np.floor(np.log10(abs(x))) / 10 ** (-12)))

# 打印转换后的DataFrame
print(df)

输出结果为：

      numbers
0  1.234568e-12
1  1.234568e-12
2  1.234568e-12

注意，上述代码中的 `lambda x: '{:.12e}'.format(x / 10 ** np.floor(np.log10(abs(x))) / 10 ** (-12))` 表示将每个数值除以它的绝对值的数量级，再除以10的-12次方，从而将所有数值都归一化到e-12科学计数法。其中，`np.floor(np.log10(abs(x)))` 表示求出每个数值的数量级，`10 ** (-12)` 表示10的-12次方，`'{:.12e}'.format()` 表示将结果格式化为科学计数法的形式，并保留12位小数。

如果您只想归一化某一列中的数值，可以使用以下代码：

df['numbers'] = df['numbers'].apply(lambda x: '{:.12e}'.format(x / 10 ** np.floor(np.log10(abs(x))) / 10 ** (-12)))

这将只归一化DataFrame中 'numbers' 列中的数值。