Python prettytable模块应用详解

prettytable是Python中一个用于创建漂亮的表格的模块，可以将数据以表格的形式展示出来，支持排序、格式化等功能。本文将详细介绍prettytable模块的使用方法，并提供示例代码。

安装

可以使用pip命令安装prettytable模块：

pip install prettytable

基本用法

下面是一个使用prettytable创建表格的示例：

from prettytable import PrettyTable

table = PrettyTable()
table.field_names = ['Name', 'Age', 'Gender']
table.add_row(['Alice', 25, 'Female'])
table.add_row(['Bob', 30, 'Male'])
table.add_row(['Charlie', 35, 'Male'])
print(table)

在上面的代码中，我们使用PrettyTable()方法创建了一个表格对象，使用field_names属性设置表头，使用add_row()方法添加行数据，最后使用print()方法打印表格。

输出结果如下：

+---------+-----+--------+
|   Name  | Age | Gender |
+---------+-----+--------+
|  Alice  |  25 | Female |
|   Bob   |  30 |  Male  |
| Charlie |  35 |  Male  |
+---------+-----+--------+

格式化

prettytable支持对表格进行格式化，例如设置对齐方式、设置边框样式等。下面是一个使用prettytable进行格式化的示例：

from prettytable import PrettyTable

table = PrettyTable()
table.field_names = ['Name', 'Age', 'Gender']
table.add_row(['Alice', 25, 'Female'])
table.add_row(['Bob', 30, 'Male'])
table.add_row(['Charlie', 35, 'Male'])
table.align = 'l'
table.border = False
table.header_style = 'title'
print(table)

在上面的代码中，我们使用align属性设置对齐方式，使用border属性设置边框样式，使用header_style属性设置表头样式，最后使用print()方法打印表格。

输出结果如下：

Name     Age Gender
Alice    25  Female
Bob      30  Male
Charlie  35  Male

排序

prettytable支持对表格进行排序，可以按照指定的列进行升序或降序排序。下面是一个使用prettytable进行排序的示例：

from prettytable import PrettyTable

table = PrettyTable()
table.field_names = ['Name', 'Age', 'Gender']
table.add_row(['Alice', 25, 'Female'])
table.add_row(['Bob', 30, 'Male'])
table.add_row(['Charlie', 35, 'Male'])
table.sortby = 'Age'
table.reversesort = True
print(table)

在上面的代码中，我们使用sortby属性设置排序的列，使用reversesort属性设置排序方式，最后使用print()方法打印表格。

输出结果如下：

+---------+-----+--------+
|   Name  | Age | Gender |
+---------+-----+--------+
| Charlie |  35 |  Male  |
|   Bob   |  30 |  Male  |
|  Alice  |  25 | Female |
+---------+-----+--------+

总结

prettytable是Python中一个用于创建漂亮的表格的模块，可以将数据以表格的形式展示出来，支持排序、格式化等功能。本文对prettytable模块的基本用法、格式化和排序进行了详细介绍，并提供了示例代码。需要注意的是，prettytable适用于小型数据集的展示，对于大型数据集的展示，建议使用其他更为专业的数据可视化工具。