pandas dataframe 打印|极客教程

pandas dataframe 打印

在数据处理和分析中，pandas 是一个非常强大的工具，可以帮助我们对数据进行清洗、转换和分析。其中，pandas 的核心数据结构之一就是 DataFrame，它类似于电子表格或关系型数据库中的表格，我们可以使用它来方便地存储和操作数据。在本文中，我们将介绍如何使用 pandas DataFrame 打印数据，包括简单的打印、格式化输出、条件打印等操作。

1. 简单打印

首先，我们可以通过直接打印 DataFrame 来查看其内容。假设我们有一个包含学生信息的 DataFrame，可以通过以下代码创建和打印：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 22, 35],
        'Score': [85, 88, 90, 82]}

df = pd.DataFrame(data)
print(df)

运行以上代码，我们会得到以下输出：

      Name  Age  Score
0    Alice   25     85
1      Bob   30     88
2  Charlie   22     90
3    David   35     82

通过简单的打印，我们可以快速查看 DataFrame 的数据内容。

2. 格式化输出

除了简单打印之外，我们还可以对 DataFrame 的输出进行格式化处理，比如设置宽度、精度、显示行列等。以下是一个格式化输出的示例：

# 设置显示的最大列数和宽度
pd.set_option('display.max_columns', None)
pd.set_option('display.width', 100)

# 设置浮点数显示的精度
pd.set_option('precision', 2)

print(df)

运行以上代码，我们会得到格式化后的输出：

      Name  Age  Score
0    Alice   25     85
1      Bob   30     88
2  Charlie   22     90
3    David   35     82

通过设置显示选项，我们可以让输出更加清晰和易读。

3. 条件打印

有时候，我们希望根据特定的条件来打印 DataFrame 的部分数据，这时可以使用条件打印的方式。以下是一个根据年龄筛选的示例：

# 打印年龄大于等于30的学生信息
print(df[df['Age'] >= 30])

运行以上代码，我们会得到筛选后的输出：

    Name  Age  Score
1    Bob   30     88
3  David   35     82

通过条件打印，我们可以根据需要选择性地显示数据。

总的来说，对于 pandas DataFrame 的打印操作，我们可以通过简单打印、格式化输出和条件打印等方式来查看和展示数据。在实际工作中，灵活运用这些技巧可以帮助我们更好地理解和分析数据。

pandas dataframe 打印