解决Python Pandas DataFrame表格打印输出不能对齐的问题
更新时间：2023年09月12日 09:58:40 作者：小平友littlePING
这篇文章主要介绍了解决Python Pandas DataFrame表格打印输出不能对齐的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
最近在学数据分析，中英文混合的DataFrame表格会出现print()打印无法对齐的情况，导致输出的结果都没有对齐，十分不美观，也影响直观的分析。
下面介绍两种解决方案，总有一款适合你：
准备工作：
为演示方便，通过导入excel的方式建立名为’stu’, ‘stu2’ 的两个DataFrame格式对象
import pandas as pd
stu = pd.read_excel('Data\studentsInfo.xlsx','Group1',index_col=0)
stu.dropna(inplace=True)
stu2 = pd.read_excel('Data\studentsInfo.xlsx','Group1',index_col=0)1.适用于纯文本输出print()函数的设置方法
若在IDLE等纯文本输出的环境下，使用display()函数或print()函数都只能输出纯文本形式的表格，
如下：
由于中英文混合的关系导致列没有对齐
通过pd.set_option进行设置，
代码如下：
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
pd.set_option('display.width', 180) # 设置打印宽度(**重要**)
print(stu)输出如下：
注意：如果打印宽度设置过小或保持默认，则有可能出现表格的列被强制换行的情形：
2.适用于JupyterNotebook的格式化的表格输出
若在JupyterNotebook中直接输出DataFrame格式，则是有线框的HTML格式的表格
代码如下：（以下代码均是JupyterNotebook的cell中运行的）
stu
输出如下：（是一个HTML格式的表格）
| 性别 | 年龄 | 身高 | 体重 | 省份 | 成绩 | 月生活费 | 课程兴趣 | 案例教学 | |
|---|---|---|---|---|---|---|---|---|---|
| 序号 | |||||||||
| 2 | male | 22.0 | 180 | 71.0 | GuangXi | 77.0 | 1300.0 | 3 | 4 |
| 4 | male | 20.0 | 177 | 72.0 | LiaoNing | 79.0 | 900.0 | 4 | 4 |
| 6 | male | 20.0 | 179 | 75.0 | YunNan | 92.0 | 950.0 | 5 | 5 |
| 7 | female | 21.0 | 166 | 53.0 | LiaoNing | 80.0 | 1200.0 | 4 | 5 |
| 8 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 9 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 10 | male | 19.0 | 169 | 76.0 | HeiLongJiang | 88.0 | 1100.0 | 5 | 5 |
但是这种方式无法同时在一个cell中显示两个表格，只显示最后一个表格
代码如下：
stustu2
输出如下：
| 性别 | 年龄 | 身高 | 体重 | 省份 | 成绩 | 月生活费 | 课程兴趣 | 案例教学 | |
|---|---|---|---|---|---|---|---|---|---|
| 序号 | |||||||||
| 1 | male | 20.0 | 170 | 70.0 | LiaoNing | NaN | 800.0 | 5 | 4 |
| 2 | male | 22.0 | 180 | 71.0 | GuangXi | 77.0 | 1300.0 | 3 | 4 |
| 3 | male | NaN | 180 | 62.0 | FuJian | 57.0 | 1000.0 | 2 | 4 |
| 4 | male | 20.0 | 177 | 72.0 | LiaoNing | 79.0 | 900.0 | 4 | 4 |
| 5 | male | 20.0 | 172 | NaN | ShanDong | 91.0 | NaN | 5 | 5 |
| 6 | male | 20.0 | 179 | 75.0 | YunNan | 92.0 | 950.0 | 5 | 5 |
| 7 | female | 21.0 | 166 | 53.0 | LiaoNing | 80.0 | 1200.0 | 4 | 5 |
| 8 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 9 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 10 | male | 19.0 | 169 | 76.0 | HeiLongJiang | 88.0 | 1100.0 | 5 | 5 |
为了在一个cell 输出多个表格，可以使用IPython.display，
代码如下：
from IPython.display import display display(stu) display(stu2)
输出如下：
| 性别 | 年龄 | 身高 | 体重 | 省份 | 成绩 | 月生活费 | 课程兴趣 | 案例教学 | |
|---|---|---|---|---|---|---|---|---|---|
| 序号 | |||||||||
| 2 | male | 22.0 | 180 | 71.0 | GuangXi | 77.0 | 1300.0 | 3 | 4 |
| 4 | male | 20.0 | 177 | 72.0 | LiaoNing | 79.0 | 900.0 | 4 | 4 |
| 6 | male | 20.0 | 179 | 75.0 | YunNan | 92.0 | 950.0 | 5 | 5 |
| 7 | female | 21.0 | 166 | 53.0 | LiaoNing | 80.0 | 1200.0 | 4 | 5 |
| 8 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 9 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 10 | male | 19.0 | 169 | 76.0 | HeiLongJiang | 88.0 | 1100.0 | 5 | 5 |
| 性别 | 年龄 | 身高 | 体重 | 省份 | 成绩 | 月生活费 | 课程兴趣 | 案例教学 | |
|---|---|---|---|---|---|---|---|---|---|
| 序号 | |||||||||
| 1 | male | 20.0 | 170 | 70.0 | LiaoNing | NaN | 800.0 | 5 | 4 |
| 2 | male | 22.0 | 180 | 71.0 | GuangXi | 77.0 | 1300.0 | 3 | 4 |
| 3 | male | NaN | 180 | 62.0 | FuJian | 57.0 | 1000.0 | 2 | 4 |
| 4 | male | 20.0 | 177 | 72.0 | LiaoNing | 79.0 | 900.0 | 4 | 4 |
| 5 | male | 20.0 | 172 | NaN | ShanDong | 91.0 | NaN | 5 | 5 |
| 6 | male | 20.0 | 179 | 75.0 | YunNan | 92.0 | 950.0 | 5 | 5 |
| 7 | female | 21.0 | 166 | 53.0 | LiaoNing | 80.0 | 1200.0 | 4 | 5 |
| 8 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 9 | female | 20.0 | 162 | 47.0 | AnHui | 78.0 | 1000.0 | 4 | 4 |
| 10 | male | 19.0 | 169 | 76.0 | HeiLongJiang | 88.0 | 1100.0 | 5 | 5 |
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
对比两个文件相似度，python中可通过difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh实现，<BR>在大量需要对比，且文件较大时，需要更高的效率，可以考虑模糊哈希，本文就来和大家详细聊聊2023-01-01
这篇文章主要为大家介绍了python之异步编程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助<BR>2021-12-12
对于Python解释器来说,读取和写入局部变量比全局变量更容易和更快,因为它们的作用域范围较小2023-09-09
在本篇文章里小编给大家分享了关于如何让python的运行速度得到提升的方法和技巧，需要的朋友们可以学习下。2020-07-07
python Manager 之dict KeyError问题的解决
今天小编就为大家分享一篇python Manager 之dict KeyError问题的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
快速解决Django关闭Debug模式无法加载media图片与static静态文件
这篇文章主要介绍了快速解决Django关闭Debug模式无法加载media图片与static静态文件的操作方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
pip是Python的包管理工具,用于安装、卸载和管理第三方库,本文详细介绍了pip的安装和使用方法,包括检查pip是否已安装、手动安装或升级pip以及pip的基本使用,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-11-11
这篇文章给大家分享了Python3中详解fabfile的编写的相关知识点以及重要内容，有兴趣的朋友跟着学习下。2018-06-06
下面小编就为大家分享一篇Python 实现选择排序的算法步骤，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
这篇文章主要介绍了python数组过滤实现方法,涉及Python针对数组的相关操作技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
最新评论