Affichage de données tabulaires en Python
Python propose plusieurs bibliothèques intégrées et tierces qui facilitent l'affichage de données tabulaires dans divers formats. Voici quelques-unes des techniques les plus couramment utilisées :
Utilisation de la fonction print()
La manière la plus simple d'afficher des données tabulaires en Python consiste à utiliser la fonction print()
. Vous pouvez créer une liste de listes ou un tableau 2D et l'afficher ligne par ligne :
data = [
["Name", "Age", "Gender"],
["John", 25, "Male"],
["Jane", 30, "Female"],
["Bob", 35, "Male"]
]
for row in data:
print(", ".join(str(x) for x in row))
Cela produira la sortie suivante :
Name, Age, Gender
John, 25, Male
Jane, 30, Female
Bob, 35, Male
Utilisation de la bibliothèque tabulate
La bibliothèque tabulate
offre une méthode plus sophistiquée pour afficher des données tabulaires. Elle peut formater les données selon différents styles, tels que grille, simple et grille élaborée :
from tabulate import tabulate
data = [
["Name", "Age", "Gender"],
["John", 25, "Male"],
["Jane", 30, "Female"],
["Bob", 35, "Male"]
]
print(tabulate(data, headers="firstrow", tablefmt="grid"))
Cela produira la sortie suivante :
+----------+-----+----------+
| Name | Age | Gender |
+----------+-----+----------+
| John | 25 | Male |
| Jane | 30 | Female |
| Bob | 35 | Male |
+----------+-----+----------+
Utilisation de la bibliothèque pandas
La bibliothèque pandas
est un outil puissant de manipulation et d'analyse de données qui propose un objet DataFrame
, qui peut être utilisé pour représenter et afficher des données tabulaires. DataFrame
offre une large gamme d'options de formatage et de fonctionnalités de personnalisation :
import pandas as pd
data = [
["John", 25, "Male"],
["Jane", 30, "Female"],
["Bob", 35, "Male"]
]
df = pd.DataFrame(data, columns=["Name", "Age", "Gender"])
print(df)
Cela produira la sortie suivante :
Name Age Gender
0 John 25 Male
1 Jane 30 Female
2 Bob 35 Male
Ce ne sont que quelques exemples de la manière d'afficher des données tabulaires en Python. Le choix de la technique appropriée dépendra des exigences spécifiques de votre projet, telles que la taille et la complexité des données, le format de sortie souhaité et le niveau de personnalisation nécessaire.