打印表格带摘要的四种方法
本文详细介绍了如何利用 Python 中强大的 `tabulate` 库,将包含数据和文本摘要的两个 Pandas DataFrame 巧妙地合并成一个易于阅读的表格。针对需要在表格中添加文本摘要的需求,文章提供了两种实用方法:一是手动设置摘要列的宽度,确保摘要信息完整显示;二是动态调整摘要列宽度,使其自动匹配数据 DataFrame 的宽度,保证表格整体美观。通过示例代码和详细解释,读者可以轻松掌握 `tabulate` 库的应用,从而在数据分析和报告中更有效地呈现数据,提升信息传达效率。无论选择哪种方法,都能帮助你创建包含数据和摘要信息的清晰表格,优化数据展示效果。

本文介绍如何使用 tabulate 库将两个 Pandas DataFrame 垂直连接成一个表格,其中一个 DataFrame 包含数据,另一个 DataFrame 包含文本摘要。我们将展示两种方法:一种是手动设置摘要列的宽度,另一种是动态调整摘要列的宽度以匹配数据 DataFrame 的宽度。通过这些方法,你可以创建包含数据和摘要信息的清晰、易读的表格。
在数据分析和报告中,有时需要在表格中包含文本摘要,以便更好地解释数据。tabulate 库是一个强大的工具,可以将数据以各种格式打印成表格。本文将介绍如何使用 tabulate 库将包含数据和摘要信息的两个 Pandas DataFrame 垂直连接成一个表格。
安装 tabulate 库
首先,需要安装 tabulate 库。可以使用 pip 命令进行安装:
pip install tabulate
示例数据
假设我们有两个 Pandas DataFrame:df1 包含数据,df2 包含摘要。
import pandas as pd
data1 = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Height': [165, 182, 177]
}
df1 = pd.DataFrame(data1)
data2 = {
'Summary': ["Alice is the youngest", "Bob is the tallest"]
}
df2 = pd.DataFrame(data2)方法一:手动设置摘要列的宽度
这种方法需要手动设置摘要列的宽度,使其足够容纳摘要文本。
import tabulate as t
t.PRESERVE_WHITESPACE = True
width1 = 10 # 设置数据列的宽度
width2 = width1 * df1.shape[1] + df1.shape[1]*2 # 设置摘要列的宽度,使其与数据列的总宽度匹配
str1 = t.tabulate(df1.applymap(f'{{:^{width1}}}'.format), list(df1),
tablefmt='outline',
stralign='center', numalign='center')
str2 = t.tabulate(df2.applymap(f'{{:^{width2}}}'.format), df2.columns,
tablefmt='outline',
stralign='center', numalign='center')
print(str1 + '\n' + '\n'.join(str2.splitlines()[1:]))这段代码首先定义了数据列的宽度 width1,然后根据数据列的数量和宽度计算出摘要列的宽度 width2。接下来,使用 tabulate 函数将两个 DataFrame 转换为字符串,并使用 applymap 函数将每个单元格的内容居中对齐。最后,将两个字符串连接起来,并打印输出。
代码解释:
- t.PRESERVE_WHITESPACE = True: 保留空白字符,避免文本被截断。
- width1 = 10: 设置数据列的宽度为 10 个字符。
- width2 = width1 * df1.shape[1] + df1.shape[1]*2: 计算摘要列的宽度,使其等于数据列的总宽度加上列之间的分隔符宽度。
- df1.applymap(f'{{:^{width1}}}'.format): 将 df1 中的每个单元格的内容居中对齐,并设置宽度为 width1。
- t.tabulate(...): 将 DataFrame 转换为字符串,并使用 outline 格式。
- str1 + '\n' + '\n'.join(str2.splitlines()[1:]): 将两个字符串连接起来,并删除摘要表格的第一行(标题行)。
方法二:动态调整摘要列的宽度
这种方法可以动态调整摘要列的宽度,使其与数据 DataFrame 的宽度匹配。
import tabulate as t
t.PRESERVE_WHITESPACE = True
str1 = t.tabulate(df1, list(df1), tablefmt='outline',
stralign='center', numalign='center')
H = str1.split('\n', 1)[0]
L = len(H)-H[1:].index('+')-5
str2 = t.tabulate(df2.applymap(f'{{:^{L}}}'.format),
list(df2), tablefmt='outline',
stralign='center', numalign='center')
print(str1 + '\n' + '\n'.join(str2.splitlines()[1:]))这段代码首先使用 tabulate 函数将数据 DataFrame 转换为字符串,然后计算出数据表格的宽度。接下来,使用 applymap 函数将摘要 DataFrame 中的每个单元格的内容居中对齐,并设置宽度为数据表格的宽度。最后,将两个字符串连接起来,并打印输出。
代码解释:
- str1 = t.tabulate(df1, list(df1), tablefmt='outline', stralign='center', numalign='center'): 将数据 DataFrame 转换为字符串。
- H = str1.split('\n', 1)[0]: 获取数据表格的第一行(标题行)。
- L = len(H)-H[1:].index('+')-5: 计算数据表格的宽度,并减去一些额外的字符。
- df2.applymap(f'{{:^{L}}}'.format): 将 df2 中的每个单元格的内容居中对齐,并设置宽度为 L。
注意事项
- tabulate 库提供了多种表格格式,可以使用 tablefmt 参数进行选择。
- 可以使用 stralign 和 numalign 参数设置字符串和数字的对齐方式。
- 如果摘要文本太长,可能会被截断。可以增加摘要列的宽度来避免这种情况。
总结
本文介绍了如何使用 tabulate 库将包含数据和摘要信息的两个 Pandas DataFrame 垂直连接成一个表格。通过手动设置摘要列的宽度或动态调整摘要列的宽度,可以创建包含数据和摘要信息的清晰、易读的表格。tabulate 库是一个强大的工具,可以帮助你更好地呈现数据。
终于介绍完啦!小伙伴们,这篇关于《打印表格带摘要的四种方法》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
Excel多条件汇总技巧:分类统计整合方法
- 上一篇
- Excel多条件汇总技巧:分类统计整合方法
- 下一篇
- 晋江APP如何查看单章评论?
-
- 文章 · python教程 | 13小时前 | python · 进程管理 · Python subprocess Popen 进程树 TimeoutExpired 超时清理
- Python subprocess 超时后清理子进程树
- 108浏览 收藏
-
- 文章 · python教程 | 1天前 | 日志 · logging · Python教程 · Python contextvars request_id LogRecord logging.Filter
- Python logging.Filter 注入请求上下文的做法
- 410浏览 收藏
-
- 文章 · python教程 | 4天前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 4天前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 4天前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 4天前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 5天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 5天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 307次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 365次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 360次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 328次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 152次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

