使用 Python 将 Pandas DataFrame 导出为 PDF 文件
Posted
技术标签:
【中文标题】使用 Python 将 Pandas DataFrame 导出为 PDF 文件【英文标题】：Export Pandas DataFrame into a PDF file using Python 【发布时间】：2021-11-05 15:17:18 【问题描述】：在 Pandas 中为数据框生成 PDF 的有效方法是什么？
【问题讨论】：
【参考方案1】：第一个带有matplotlib 的绘图表然后生成pdf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages
df = pd.DataFrame(np.random.random((10,3)), columns = ("col 1", "col 2", "col 3"))
#https://***.com/questions/32137396/how-do-i-plot-only-a-table-in-matplotlib
fig, ax =plt.subplots(figsize=(12,4))
ax.axis('tight')
ax.axis('off')
the_table = ax.table(cellText=df.values,colLabels=df.columns,loc='center')
#https://***.com/questions/4042192/reduce-left-and-right-margins-in-matplotlib-plot
pp = PdfPages("foo.pdf")
pp.savefig(fig, bbox_inches='tight')
pp.close()
参考：
How do I plot only a table in Matplotlib?
Reduce left and right margins in matplotlib plot
【讨论】：
与 LaTeX 或 troff 相比，这些通过 matplotlib 生成的表格看起来不太好。 @Merlin，df.to_latex 可以输出 pdf 文件吗？流程/要求是什么？【参考方案2】：
这是我使用 sqlite3、pandas 和 pdfkit 从 sqlite 数据库中执行此操作的方法
import pandas as pd
import pdfkit as pdf
import sqlite3
con=sqlite3.connect("baza.db")
df=pd.read_sql_query("select * from dobit", con)
df.to_html('/home/linux/izvestaj.html')
nazivFajla='/home/linux/pdfPrintOut.pdf'
pdf.from_file('/home/linux/izvestaj.html', nazivFajla)
【讨论】：
pdfkit 不适用于 windows64 效果很好！在 Mac 上安装 Pdfkit：pip install pdfkit && brew install Caskroom/cask/wkhtmltopdf【参考方案3】：一种方法是使用降价。您可以使用df.to_html()。这会将数据框转换为 html 表。从那里您可以将生成的 html 放入降价文件 (.md)（请参阅 http://daringfireball.net/projects/markdown/basics）。从那里，有一些实用程序可以将 markdown 转换为 pdf (https://www.npmjs.com/package/markdown-pdf)。
此方法的一个多合一工具是使用 Atom 文本编辑器 (https://atom.io/)。在那里您可以使用扩展程序，搜索“markdown to pdf”，这将为您进行转换。
注意：最近使用to_html() 时，出于某种原因，我不得不删除多余的“\n”字符。我选择使用Atom -> Find -> '\n' -> Replace ""。
总的来说，这应该可以解决问题！
【讨论】：
我认为将中间步骤转换为 HTML，然后 Markdown（甚至没有标准规范），然后转换为 pdf 的解决方案不是一个好方法。 您现在可以使用.to_markdown() 来完全避免使用 HTML。【参考方案4】：这是一个带有中间 pdf 文件的解决方案。
这个表格用一些最小的 css 打印得很漂亮。
pdf 转换是用 weasyprint 完成的。你需要pip install weasyprint。
# Create a pandas dataframe with demo data:
import pandas as pd
demodata_csv = 'https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv'
df = pd.read_csv(demodata_csv)
# Pretty print the dataframe as an html table to a file
intermediate_html = '/tmp/intermediate.html'
to_html_pretty(df,intermediate_html,'Iris Data')
# if you do not want pretty printing, just use pandas:
# df.to_html(intermediate_html)
# Convert the html file to a pdf file using weasyprint
import weasyprint
out_pdf= '/tmp/demo.pdf'
weasyprint.HTML(intermediate_html).write_pdf(out_pdf)
# This is the table pretty printer used above:
def to_html_pretty(df, filename='/tmp/out.html', title=''):
'''
Write an entire dataframe to an HTML file
with nice formatting.
Thanks to @***user2010 for the
pretty printer see https://***.com/a/47723330/362951
'''
ht = ''
if title != '':
ht += '<h2> %s </h2>\n' % title
ht += df.to_html(classes='wide', escape=False)
with open(filename, 'w') as f:
f.write(HTML_TEMPLATE1 + ht + HTML_TEMPLATE2)
HTML_TEMPLATE1 = '''
<html>
<head>
<style>
h2
text-align: center;
font-family: Helvetica, Arial, sans-serif;
table
margin-left: auto;
margin-right: auto;
table, th, td
border: 1px solid black;
border-collapse: collapse;
th, td
padding: 5px;
text-align: center;
font-family: Helvetica, Arial, sans-serif;
font-size: 90%;
table tbody tr:hover
background-color: #dddddd;
.wide
width: 90%;
</style>
</head>
<body>
'''
HTML_TEMPLATE2 = '''
</body>
</html>
'''
感谢@***user2010 提供漂亮的打印机，请参阅***user2010 的回答https://***.com/a/47723330/362951
我没有使用 pdfkit，因为我在无头机器上遇到了一些问题。但是 weasyprint 很棒。
【讨论】：
你知道如何强制分页吗？假设我有一个 pandas 数据框的几个表切片，我希望每个表都从一个新页面开始。这可能吗？我应该在什么时候编辑 html 代码？ 谢谢！如何使其以横向/不同的页面大小打印？【参考方案5】：参考这两个我觉得有用的例子：
Apply CSS class to Pandas DataFrame using to_html https://pbpython.com/pdf-reports.html简单的 CSS 代码保存在与 ipynb 相同的文件夹中：
/* includes alternating gray and white with on-hover color */
.mystyle
font-size: 11pt;
font-family: Arial;
border-collapse: collapse;
border: 1px solid silver;
.mystyle td, th
padding: 5px;
.mystyle tr:nth-child(even)
background: #E0E0E0;
.mystyle tr:hover
background: silver;
cursor: pointer;
python代码：
pdf_filepath = os.path.join(folder,file_pdf)
demo_df = pd.DataFrame(np.random.random((10,3)), columns = ("col 1", "col 2", "col 3"))
table=demo_df.to_html(classes='mystyle')
html_string = f'''
<html>
<head><title>HTML Pandas Dataframe with CSS</title></head>
<link rel="stylesheet" type="text/css" href="df_style.css"/>
<body>
table
</body>
</html>
'''
HTML(string=html_string).write_pdf(pdf_filepath, stylesheets=["df_style.css"])
【讨论】：
最后一行的 HTML 是什么？ HTML 在 python 代码中生成为字符串。我不是 100% 确定你的问题是什么意思？ HTML 是从 python 的 'weasyprint' 模块导入的 - pypi.org/project/weasyprint 另外请注意，如果您的系统没有足够新的libpango 版本，您可以固定weasyprint==52.5，它不依赖于libpango>=1.44.0以上是关于使用 Python 将 Pandas DataFrame 导出为 PDF 文件的主要内容，如果未能解决你的问题，请参考以下文章
将 CSV 读入 Pandas 后 MultiLabelBinarizer() 的格式问题
Pandas文摘：Applying Operations Over pandas Dataframes