在 Python 中创建表格可以显着增强数据显示方式，使其更易于解释和分析。本指南提供了使用各种方法在 Python 中构建表的清晰、分步方法。无论您是要显示项目数据、创建报告还是只是组织信息，您都会找到实用示例和详细说明，帮助您立即入门。
理解 Python 中的数据结构在深入创建表之前，有必要了解 Python 提供的一些数据结构。用于组织表格数据的最常见的数据结构是列表、字典和 pandas DataFrame。这是一个快速概述：
- 列表：存储有序项目集合的简单方法。- 字典：可用于将数据存储为键值对，以便轻松检索。- Pandas DataFrames：DataFrames 是 Pandas 库的一部分，是二维、大小可变且可能异构的表格数据结构。
对于大多数与表相关的任务，尤其是数据分析和操作，Pandas DataFrames 因其强大的功能而成为首选。不过，我们将探讨本文中的所有方法。
使用列表创建简单表第 1 步：定义您的数据从一个使用列表的简单示例开始。假设要创建一个表来表示学生的分数。将使用列表定义我们的数据。
# Define the headers and rows for the tableheaders = ["Name", "Math", "Science", "English"]rows = [ ["Alice", 85, 92, 88], ["Bob", 78, 75, 80], ["Charlie", 90, 85, 95],]解释1. 标题：第一个列表包含列的名称：“名称”、“数学”、“科学”和“英语”。2. 行：“行”中的每个后续列表对应于一名学生及其在每个科目中的分数。每个列表都有四个元素：学生的姓名和分数。
第 2 步：打印表格接下来，我们可以创建一个函数来以表格格式打印这些数据。
def print_table(headers, rows): # Print the header row print(" | ".join(headers)) print("-" * (len(headers) * 12)) # Adjust line length based on headers # Print each row of data for row in rows: print(" | ".join(map(str, row)))# Call the function to display the tableprint_table(headers, rows)解释1. 函数定义：`print_table`函数有两个参数：`headers`和`rows`。2. 打印标题：“join”方法用于将标题名称组合成一个由竖线（“|”）分隔的单个字符串。3. 分隔线：打印一行破折号以将标题与数据行分隔开。行的长度是根据标头的数量动态计算的。4. 打印行：我们循环遍历每个“行”，使用“map”将每个项目转换为字符串，然后用“|”将它们连接起来以创建与标题类似的格式。
输出当运行上面的代码时，您将看到：
Name | Math | Science | English----------------------------------Alice | 85 | 92 | 88Bob | 78 | 75 | 80Charlie | 90 | 85 | 95使用字典创建表第 1 步：定义您的数据创建表的另一种方法是使用字典。当数据具有可变长度或当想要通过名称访问元素时，此方法特别有用。
# Define the data using dictionariesdata = [ {"Name": "Alice", "Math": 85, "Science": 92, "English": 88}, {"Name": "Bob", "Math": 78, "Science": 75, "English": 80}, {"Name": "Charlie", "Math": 90, "Science": 85, "English": 95},]解释在此示例中，每个学生的信息都表示为字典。关键是主题，使您更容易理解每个值代表的含义。
第 2 步：打印表格将使用类似的函数来使用字典打印表格。
def print_dict_table(data): headers = data[0].keys() # Get headers from the first dictionary print(" | ".join(headers)) print("-" * (len(headers) * 12)) # Adjust line length based on headers for entry in data: print(" | ".join(str(entry[key]) for key in headers))# Call the function to display the tableprint_dict_table(data)解释1. 获取标头：“keys()”方法从第一个字典中检索键以用作标头。2. 打印行：对于“data”中的每个“entry”，我们按照“headers”定义的顺序打印值。
输出执行时，输出将保持与之前的格式一致：
Name | Math | Science | English----------------------------------Alice | 85 | 92 | 88Bob | 78 | 75 | 80Charlie | 90 | 85 | 95用 Pandas 创建表Pandas 是一个强大的数据操作库，用它创建表非常简单。
第 1 步：安装 Pandas如果您尚未安装 Pandas，可以通过 pip 进行安装：
pip install pandas第 2 步：创建数据框现在，让我们使用相同的学生数据创建一个 DataFrame。
import pandas as pd# Create a DataFramedf = pd.DataFrame({ "Name": ["Alice", "Bob", "Charlie"], "Math": [85, 78, 90], "Science": [92, 75, 85], "English": [88, 80, 95],})# Display the DataFrameprint(df)解释1. 导入 Pandas：我们将 Pandas 库导入为“pd”，这是一种常见的约定。2. 创建DataFrame：我们使用`pd.DataFrame()`来创建一个DataFrame。此方法允许我们将数据定义为字典，其中键代表列名称，值是代表每列中数据的列表。3. 显示DataFrame：打印DataFrame 会自动将其格式化为可读的表格格式。
输出输出将如下所示：
Name Math Science English0 Alice 85 92 881 Bob 78 75 802 Charlie 90 85 95实际用例：数据分析Pandas DataFrame 广泛用于数据分析，特别是数据清理和操作任务。想象一下，您正在开展一个项目来分析学生在各个科目上的表现。使用 DataFrame，您可以轻松执行以下操作：
计算平均分数：使用“mean()”方法获得各个科目的平均分数。# Calculate the average scoresaverage_scores = df.mean(numeric_only=True)print(average_scores)过滤数据：您可以根据学生的分数过滤他们。# Filter students who scored above 80 in Mathhigh_math_scorers = df[df["Math"] > 80]print(high_math_scorers)数据分析说明1. 计算平均值：“mean()”函数计算数字列的平均值。 `numeric_only=True` 参数确保排除非数字列。2. 过滤数据：在过滤示例中，我们创建一个新的 DataFrame，其中仅包含数学成绩大于 80 的学生。
结论在 Python 中创建表格是一项基本技能，可以极大地改善您呈现和分析数据的方式。无论是使用列表、字典还是 Pandas DataFrame，每种方法都有自己的优点，让您可以根据自己的特定需求选择最佳方法。
