本文介绍如何在使用 matplotlib.pyplot.table() 展示 Pandas DataFrame 时，消除自动出现的小数位（如 .0），通过类型转换（astype(int)）或格式化控制实现整洁的整数表格显示。

本文介绍如何在使用 `matplotlib.pyplot.table()` 展示 pandas dataframe 时，消除自动出现的小数位（如 `.0`），通过类型转换（`astype(int)`）或格式化控制实现整洁的整数表格显示。

当你使用 pd.concat() 合并多个 DataFrame 后，Pandas 会根据数据兼容性自动将整数列提升为浮点类型（例如 int64 → float64），以避免合并过程中的类型冲突。这会导致后续用 matplotlib.pyplot.table() 渲染时，即使数值是整数（如 42.0），也默认显示一位小数，影响可读性。

最直接有效的解决方式是在传入 table() 之前，将目标列显式转换为整数类型：

frames = [country_tab, country_birth_tab] 
result = pd.concat(frames, axis=1)

# ✅ 将整个 DataFrame 转为 int（适用于所有列均为非空整数值）
result = result.astype(int)

# 或者仅转换特定列（更安全，避免空值或混合类型报错）：
# result[["Population", "Births"]] = result[["Population", "Births"]].astype(int)

ax = plt.subplot(111, frame_on=False)
ax.xaxis.set_visible(False)
ax.yaxis.set_visible(False)

table2 = table(ax, result)
table2.auto_set_font_size(False)
table2.set_fontsize(16)
table2.scale(4, 4)

⚠️ 注意事项：

• astype(int) 要求列中不能包含 NaN、None 或浮点小数，否则会抛出 ValueError。若存在缺失值，建议先填充或舍入：

  result = result.fillna(0).round().astype(int)  # 安全兜底方案

• 若只需控制显示格式（不改变原始数据类型），也可在 table() 中配合 cellText 手动格式化：

  cell_text = [[f"{val:.0f}" if isinstance(val, (int, float)) else str(val) 
                for val in row] for row in result.values]
  table2 = table(ax, cell_text, colLabels=result.columns, rowLabels=result.index)

  但此方式需额外处理行列标签，推荐优先使用 astype() 配合数据清洗，简洁且语义清晰。

总结：result.astype(int) 是解决 pyplot 表格中冗余小数问题的首选方法——它从源头确保数据类型正确，兼顾性能与可维护性。