为什么 f-strings 格式不适用于 Pandas DataFrames？

Question

给定一个带有Product Id 和Amount 的DataFrame：

df = pd.DataFrame([['504145', 12000.0],
                   ['555933', 23010.5]],
                  columns=['Product Id', 'Amount'])
df
Out[1]: 
  Product Id   Amount
0     504145  12000.0
1     555933  23010.5

我想添加一个基于Amount 的“描述”列，预计如下所示：

  Product Id   Amount        Description
0     504145  12000.0  Amount is 12000.0
1     555933  23010.5  Amount is 23010.5

当我使用 f 字符串格式时，结果是将整列 Amount 聚合为一个系列，而不是使用特定行的值进行字符串连接：

df['Description'] = f'Amount is {df["Amount"].astype(str)}'
df
Out[2]: 
  Product Id   Amount                                        Description
0     504145  12000.0  Amount is 0    12000.0\n1    23010.5\nName: Am...
1     555933  23010.5  Amount is 0    12000.0\n1    23010.5\nName: Am...

但是，使用+ 进行简单的字符串连接可以正常工作：

df['Description'] = "Amount is " + df["Amount"].astype(str)
df
Out[9]: 
  Product Id   Amount        Description
0     504145  12000.0  Amount is 12000.0
1     555933  23010.5  Amount is 23010.5

为什么 Pandas DataFrame 中的 f 字符串格式会这样？我应该如何修复它以使用 f-strings 格式？还是不建议在 Pandas 中使用 f-strings 格式进行字符串连接？

Answer 1

您需要按每个值进行迭代，例如apply:

df['Description'] = df["Amount"].apply(lambda x: f'Amount is {x}')

或者通过列表理解：

df['Description'] = [f'Amount is {x}' for x in df["Amount"]]

print (df)

  Product Id   Amount        Description
0     504145  12000.0  Amount is 12000.0
1     555933  23010.5  Amount is 23010.5

您的解决方案：

df['Description'] = f'Amount is {df["Amount"].astype(str)}'

工作方式不同 - 它将 Series 的每个值（也带有索引）附加到字符串并像常量一样重复新列的所有值。