Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.to_string方法的使用。

DataFrame.to_string(buf=None, columns=None, col_space=None, header=True, index=True, na_rep='NaN', formatters=None, float_format=None, sparsify=None, index_names=True, justify=None, max_rows=None, min_rows=None, max_cols=None, show_dimensions=False, decimal='.', line_width=None, max_colwidth=None, encoding=None) [source]

将一个DataFrame呈现给一个对控制台友好的表格输出。

参数:

bufstrPath或类似StringIO,可选,默认为None

要写入的缓冲区。如果None,输出将作为字符串返回。

columnssequence, 可选, 默认为 None

要写入的列的子集。默认情况下写入所有列。

col_space int, list 或者 int类型的dict, 可选

每列的最小宽度

headerbool 或者 sequence, 可选

写出列名。如果给定了字符串列表,

则假定它是列名的别名。

indexbool, 可选, 默认为 True

否打印索引(row)标签。

na_repstr, 可选,默认为 ‘NaN’

要使用的NAN的字符串表示。

formatters:(one-param)单参数的listtupledict

functions,可选

格式化程序函数按位置或名称应用于列的元素。

每个函数的结果必须是unicode字符串。

列表/元组的长度必须等于列数。

float_format:单参数函数,可选,默认None

Formatter函数应用于列的元素(如果它们是浮点型)。

此函数的结果必须是unicode字符串。

sparsifybool,可选,默认为True

将具有分层索引的DataFrame设置为False

以在每一行print每个多索引键。

index_namesbool,可选,默认为True

打印索引的名称。

justifystr, 默认为 None

如何调整列标签。

如果没有人使用print配置(由set_option控制)中的选项,

“right”即开箱即用。有效的值:

●left

●right

●center

●justify

●justify-all

●start

●end

●inherit

●match-parent

●initial

●unset

max_rows :int,可选

在控制台中显示的最大行数。

min_rows int,可选

要在控制台中以截短(truncated)的repr显示的行数

(当行数大于max_rows时)。

max_colsint,可选

要在控制台中显示的最大列数。

show_dimensionsbool, 默认为 False

表示要在输出文件中使用的编码的字符串,

默认为“utf-8”

decimalstr, 默认为 ‘.’

字符被识别为小数点分隔符,e.g. ‘,’ in Europe.。

line_widthint,可选

换行字符的宽度。

max_colwidthint,可选

以字符为单位截断每列的最大宽度。默认情况下,

没有限制。

新版本1.0.0。

encodingstr, 默认为 “utf-8”

设置字符编码。

新版本1.0。

返回:

strNone

如果bufNone,则以字符串形式返回结果。

否则返回None

例子

>>> d = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
>>> df = pd.DataFrame(d)
>>> print(df.to_string())
   col1  col2
0     1     4
1     2     5
2     3     6

文档pandas.DataFrame.to_string

推荐文档

相关文档

大家感兴趣的内容

随机列表