如何将pd.DataFrame导出为PDF并保留其在ipynb中的显示格式？

一、修复nbconvert的Pandoc缺失问题 #

• 不要仅通过pip install pandoc安装，这只是Python包装器，必须安装系统级的Pandoc：
  • Debian/Ubuntu系服务器：执行sudo apt update && sudo apt install pandoc
  • RHEL/CentOS系服务器：执行sudo yum install pandoc
  • 安装完成后，运行pandoc --version确认路径已加入系统环境变量，远程SSH会话可能需要重新登录生效
• 如果仍有问题，可在代码中指定Pandoc的绝对路径：

  from nbconvert.utils.pandoc import get_pandoc_path
  import os
  os.environ['PANDOC_PATH'] = '/usr/bin/pandoc'  # 替换为你的pandoc实际路径
  

二、替代HTML+WeasyPrint的DataFrame导出方案 #

1. 使用Matplotlib直接生成表格PDF #

利用matplotlib的table组件渲染DataFrame，保留基础格式：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})

# 初始化画布，关闭坐标轴
fig, ax = plt.subplots(figsize=(8, 2))
ax.axis('off')
# 生成表格并调整样式
table = ax.table(cellText=df.values, colLabels=df.columns, loc='center', cellLoc='center')
table.auto_set_font_size(False)
table.set_fontsize(10)
table.scale(1.2, 1.2)

# 保存为PDF
with PdfPages('df_output.pdf') as pdf:
    pdf.savefig(fig, bbox_inches='tight')
plt.close()

2. 使用ReportLab生成结构化PDF #

ReportLab支持精细的表格格式控制，适合复杂DataFrame：

from reportlab.lib import colors
from reportlab.lib.pagesizes import letter
from reportlab.platypus import SimpleDocTemplate, Table, TableStyle
import pandas as pd

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
# 转换为ReportLab可识别的格式
data = [df.columns.tolist()] + df.values.tolist()

doc = SimpleDocTemplate('df_report.pdf', pagesize=letter)
table = Table(data)

# 添加自定义样式：表头高亮、边框对齐等
style = TableStyle([
    ('BACKGROUND', (0,0), (-1,0), colors.grey),
    ('TEXTCOLOR', (0,0), (-1,0), colors.whitesmoke),
    ('ALIGN', (0,0), (-1,-1), 'CENTER'),
    ('FONTNAME', (0,0), (-1,0), 'Helvetica-Bold'),
    ('BOTTOMPADDING', (0,0), (-1,0), 12),
    ('BACKGROUND', (0,1), (-1,-1), colors.beige),
    ('GRID', (0,0), (-1,-1), 1, colors.black)
])
table.setStyle(style)

doc.build([table])

3. 修复WeasyPrint的远程环境问题 #

如果坚持用HTML方案，远程服务器需要安装WeasyPrint依赖的系统库：

• Debian/Ubuntu：sudo apt install libpango-1.0-0 libpangoft2-1.0-0 libcairo2 libgdk-pixbuf2.0-0
• RHEL/CentOS：sudo yum install pango cairo gdk-pixbuf2
  安装后重新尝试渲染：

import pandas as pd
from weasyprint import HTML

df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
html = df.to_html(classes='table table-striped')
HTML(string=html).write_pdf('df_html.pdf', stylesheets=['https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/css/bootstrap.min.css'])

三、远程SSH环境注意事项 #

• 所有图形相关的导出（如matplotlib）需提前设置无界面后端：

  import matplotlib
  matplotlib.use('Agg')
  

• 若无sudo权限安装系统依赖，可尝试用conda安装Pandoc及相关库：conda install pandoc

内容的提问来源于stack exchange，提问作者user23306196