解決Python?Pandas?DataFrame表格打印輸出不能對齊的問題
最近在學(xué)數(shù)據(jù)分析，中英文混合的DataFrame表格會出現(xiàn)print()打印無法對齊的情況，導(dǎo)致輸出的結(jié)果都沒有對齊，十分不美觀，也影響直觀的分析。
下面介紹兩種解決方案，總有一款適合你：
準(zhǔn)備工作：
為演示方便，通過導(dǎo)入excel的方式建立名為’stu’, ‘stu2’ 的兩個DataFrame格式對象
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.適用于純文本輸出print()函數(shù)的設(shè)置方法
若在IDLE等純文本輸出的環(huán)境下，使用display()函數(shù)或print()函數(shù)都只能輸出純文本形式的表格，
如下：
由于中英文混合的關(guān)系導(dǎo)致列沒有對齊
通過pd.set_option進(jìn)行設(shè)置，
代碼如下：
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
pd.set_option('display.width', 180) # 設(shè)置打印寬度(**重要**)
print(stu)輸出如下：
注意：如果打印寬度設(shè)置過小或保持默認(rèn)，則有可能出現(xiàn)表格的列被強(qiáng)制換行的情形：
2.適用于JupyterNotebook的格式化的表格輸出
若在JupyterNotebook中直接輸出DataFrame格式，則是有線框的HTML格式的表格
代碼如下：（以下代碼均是JupyterNotebook的cell中運(yùn)行的）
stu
輸出如下：（是一個HTML格式的表格）
| 性別 | 年齡 | 身高 | 體重 | 省份 | 成績 | 月生活費(fèi) | 課程興趣 | 案例教學(xué) | |
|---|---|---|---|---|---|---|---|---|---|
| 序號 | |||||||||
| 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 |
但是這種方式無法同時在一個cell中顯示兩個表格，只顯示最后一個表格
代碼如下：
stustu2
輸出如下：
| 性別 | 年齡 | 身高 | 體重 | 省份 | 成績 | 月生活費(fèi) | 課程興趣 | 案例教學(xué) | |
|---|---|---|---|---|---|---|---|---|---|
| 序號 | |||||||||
| 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 |
為了在一個cell 輸出多個表格，可以使用IPython.display，
代碼如下：
from IPython.display import display display(stu) display(stu2)
輸出如下：
| 性別 | 年齡 | 身高 | 體重 | 省份 | 成績 | 月生活費(fèi) | 課程興趣 | 案例教學(xué) | |
|---|---|---|---|---|---|---|---|---|---|
| 序號 | |||||||||
| 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 |
| 性別 | 年齡 | 身高 | 體重 | 省份 | 成績 | 月生活費(fèi) | 課程興趣 | 案例教學(xué) | |
|---|---|---|---|---|---|---|---|---|---|
| 序號 | |||||||||
| 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 |
總結(jié)
以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python利用模糊哈希實(shí)現(xiàn)對比文件相似度
對比兩個文件相似度，python中可通過difflib.SequenceMatcher/ssdeep/python_mmdt/tlsh實(shí)現(xiàn)，<BR>在大量需要對比，且文件較大時，需要更高的效率，可以考慮模糊哈希，本文就來和大家詳細(xì)聊聊2023-01-01
這篇文章主要為大家介紹了python之異步編程，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助<BR>2021-12-12
為什么在函數(shù)中運(yùn)行的?Python?代碼速度更快？
對于Python解釋器來說,讀取和寫入局部變量比全局變量更容易和更快,因?yàn)樗鼈兊淖饔糜蚍秶^小2023-09-09
在本篇文章里小編給大家分享了關(guān)于如何讓python的運(yùn)行速度得到提升的方法和技巧，需要的朋友們可以學(xué)習(xí)下。2020-07-07
python Manager 之dict KeyError問題的解決
今天小編就為大家分享一篇python Manager 之dict KeyError問題的解決，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
快速解決Django關(guān)閉Debug模式無法加載media圖片與static靜態(tài)文件
這篇文章主要介紹了快速解決Django關(guān)閉Debug模式無法加載media圖片與static靜態(tài)文件的操作方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
pip是Python的包管理工具,用于安裝、卸載和管理第三方庫,本文詳細(xì)介紹了pip的安裝和使用方法,包括檢查pip是否已安裝、手動安裝或升級pip以及pip的基本使用,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2024-11-11
這篇文章給大家分享了Python3中詳解fabfile的編寫的相關(guān)知識點(diǎn)以及重要內(nèi)容，有興趣的朋友跟著學(xué)習(xí)下。2018-06-06
下面小編就為大家分享一篇Python 實(shí)現(xiàn)選擇排序的算法步驟，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
python數(shù)組過濾實(shí)現(xiàn)方法
這篇文章主要介紹了python數(shù)組過濾實(shí)現(xiàn)方法,涉及Python針對數(shù)組的相關(guān)操作技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07