我试图在IPython笔记本中格式化输出。我尝试使用to_string函数,这巧妙地让我删除了索引列。但文本数据是正确的。
在[10]中:
import pandas as pd
columns = ['Text', 'Value']
a = pd.DataFrame ({'Text': ['abcdef', 'x'], 'Value': [12.34, 4.2]})
print (a.to_string (index=False))
Text Value
abcdef 12.34
x 4.20
仅打印数据帧时也是如此。
在[12]中:
print (a)
Text Value
0 abcdef 12.34
1 x 4.20
令人惊讶的是,to_string函数中的justify参数只能证明列标题的合理性。
在[13]中:
import pandas as pd
columns = ['Text', 'Value']
a = pd.DataFrame ({'Text': ['abcdef', 'x'], 'Value': [12.34, 4.2]})
print (a.to_string (justify='left', index=False))
Text Value
abcdef 12.34
x 4.20
如何控制各列的对齐设置?
如果你愿意使用另一个图书馆,tabulate会这样做 -
$ pip install tabulate
然后
from tabulate import tabulate
df = pd.DataFrame ({'Text': ['abcdef', 'x'], 'Value': [12.34, 4.2]})
print(tabulate(df, showindex=False, headers=df.columns))
Text Value
------ -------
abcdef 12.34
x 4.2
它还有各种其他输出格式。
您可以使用a['Text'].str.len().max()
计算a['Text']
中最长字符串的长度,并在左对齐格式化程序N
中使用该数字'{:<Ns}'.format
:
In [211]: print(a.to_string(formatters={'Text':'{{:<{}s}}'.format(a['Text'].str.len().max()).format}, index=False))
Text Value
abcdef 12.34
x 4.20
我将@ unutbu的方法转换为函数,因此我可以左对齐我的数据帧。
my_df = pd.DataFrame({'StringVals': ["Text string One", "Text string Two", "Text string Three"]})
def left_justified(df):
formatters = {}
for li in list(df.columns):
max = df[li].str.len().max()
form = "{{:<{}s}}".format(max)
formatters[li] = functools.partial(str.format, form)
return df.to_string(formatters=formatters, index=False)
所以现在这个:
print(my_df.to_string())
StringVals
0 Text string One
1 Text string Two
2 Text string Three
成为这个:
print(left_justified(my_df))
StringVals
Text string One
Text string Two
Text string Three
但请注意,数据框中的任何非字符串值都会给出错误:
AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas
如果要使用非字符串值,则必须将不同的格式字符串传递给.to_string()
:
my_df2 = pd.DataFrame({'Booleans' : [False, True, True],
'Floats' : [1.0, 0.4, 1.5],
'StringVals': ["Text string One", "Text string Two", "Text string Three"]})
FLOAT_COLUMNS = ('Floats',)
BOOLEAN_COLUMNS = ('Booleans',)
def left_justified2(df):
formatters = {}
# Pass a custom pattern to format(), based on
# type of data
for li in list(df.columns):
if li in FLOAT_COLUMNS:
form = "{{!s:<5}}".format()
elif li in BOOLEAN_COLUMNS:
form = "{{!s:<8}}".format()
else:
max = df[li].str.len().max()
form = "{{:<{}s}}".format(max)
formatters[li] = functools.partial(str.format, form)
return df.to_string(formatters=formatters, index=False)
浮标和布尔值:
print(left_justified2(my_df2))
Booleans Floats StringVals
False 1.0 Text string One
True 0.4 Text string Two
True 1.5 Text string Three
请注意,这种方法有点像黑客。您不仅需要在单独的列表中维护列名称,还必须最好地猜测数据宽度。也许拥有更好Pandas-Fu的人可以演示如何自动解析数据帧信息以自动生成格式。
这适用于Python 3.7(functools现在是该版本的一部分)
# pylint: disable=C0103,C0200,R0205
from __future__ import print_function
import pandas as pd
import functools
@staticmethod
def displayDataFrame(dataframe, displayNumRows=True, displayIndex=True, leftJustify=True):
# type: (pd.DataFrame, bool, bool, bool) -> None
"""
:param dataframe: pandas DataFrame
:param displayNumRows: If True, show the number or rows in the output.
:param displayIndex: If True, then show the indexes
:param leftJustify: If True, then use technique to format columns left justified.
:return: None
"""
if leftJustify:
formatters = {}
for columnName in list(dataframe.columns):
columnType = type(columnName) # The magic!!
# print("{} => {}".format(columnName, columnType))
if columnType == type(bool):
form = "{{!s:<8}}".format()
elif columnType == type(float):
form = "{{!s:<5}}".format()
else:
max = dataframe[columnName].str.len().max()
form = "{{:<{}s}}".format(max)
formatters[columnName] = functools.partial(str.format, form)
print(dataframe.to_string(index=displayIndex, formatters=formatters), end="\n\n")
else:
print(dataframe.to_string(index=displayIndex), end="\n\n")
if displayNumRows:
print("Num Rows: {}".format(len(dataframe)), end="\n\n")