如何使数据框不删除最后一个小数?

通过数据框传递数据时,删除最后一个小数


        b= self.client.Trade.Trade_getBucketed(

        binSize=self.timeframe,

        partial=True,

        symbol='EOSZ19',

        count=1,

        reverse=True

       ).result()[0]


       print (b)


       cd = parse_dataframe(b)


       print (cd)

print (b) 返回我:


[{'timestamp': datetime.datetime(2019, 10, 4, 0, 40, tzinfo=tzutc()), 

'symbol': 'EOSZ19', 'open': 0.0003728, 'high': 0.0003728, 'low': 

0.0003728, 'close': 0.0003728, 'trades': 0, 'volume': 0, 'vwap': None, 

'lastSize': 0, 'turnover': 0, 'homeNotional': 0.0, 'foreignNotional': 

0.0}]

但 print (cd) 返回我:


                        date      open      high       low     close  volume

 0 2019-10-04 00:40:00+00:00  0.000373  0.000373  0.000373  0.000373       0

删除最后一个小数,我需要:


                   date      open      high       low     close  volume

 0 2019-10-04 00:40:00+00:00  0.0003728  0.0003728  0.0003728  0.0003728   0

不要去掉最后一个小数


data_frame 函数来自 util:


from pandas import DatetimeIndex, merge, DataFrame, to_datetime 

from configuration import TICKER_INTERVAL_MINUTES


def parse_dataframe1(ticker: list) -> DataFrame:

"""

builds dataframe based on the given trades


:param ticker: see /trade/bucketed API

:return: DataFrame

"""


cols = ['timestamp', 'symbol', 'open', 'high', 'low', 'close', 'trades', 

'volume', 'vwap', 'lastSize', 'turnover', 'homeNotional', 

'foreignNotional']

frame = DataFrame(ticker, columns=cols)


# drop unnecessary columns

frame.drop(['symbol', 'trades', 'vwap', 'lastSize', 'turnover', 

'homeNotional', 'foreignNotional'], axis=1)


# rename timestamp column Y

frame = frame.rename(columns={'timestamp': 'date'})


# reformat date column

frame['date'] = to_datetime(frame['date'],

                            unit='ms',

                            utc=True,

                            infer_datetime_format=True)


这里的 data_frame 函数不四舍五入到小数点后 7 位


守候你守候我
浏览 115回答 1
1回答

holdtom

正如他回答的那样: jasonharper 在控制台上显示的正确解决方案是:pd.set_option('precision', 7)但如果我们保存变量并再次打印,我们将看到完整的数据
打开App,查看更多内容
随时随地看视频慕课网APP

相关分类

Python