如何对齐含阿拉伯语、泰语等Unicode字符的DataFrame列显示？

我有一个包含阿拉伯语、泰语等外文Unicode字符的DataFrame，在终端执行print(df)时列显示不对齐。已尝试设置pd.set_option("display.unicode.east_asian_width", True)，但仅能对齐含CJK（中日韩）字符的行，阿拉伯语和泰语行仍未对齐。请问如何在执行print(df)时正确对齐包含这类易导致错位的Unicode字符的DataFrame列？

示例代码 #

import pandas as pd

unicode_chars_list = ['我是一個蘋果', '麺作りは美味しいです', '나는 공원에서 걷고 뛰는 것을 좋아합니다', 'اكل البيتزا لذيذ جدا اريد المزيد.', 'มีจระเข้อยู่ในแม่น้ำ โปรดระวัง', 'Ευχαριστώ τους προγόνους μας.', 'Normal English sentence']
data = {
    'a':[2134,4,547,56,3,234,124],
    'language': ['Chinese', 'Japanese', 'Korean', 'Arabic', 'Thai', 'Greek', 'English'],
    'unicode_chars': unicode_chars_list,
    'b': [1,2,3,4,5,6,7],
    'c': ['I am a long string here', '2nd string I want this to be some length', '3rd string please', '4th', '5th very loooooong',' 6 be good to the dataframe', '7 the end']
}
df = pd.DataFrame(data)

现象说明 #

• 不含外文Unicode字符的子DataFrame显示正常对齐：

print(df.loc[:,['a','language','b','c']])
#       a  language  b                                         c
# 0  2134   Chinese  1                   I am a long string here
# 1     4  Japanese  2  2nd string I want this to be some length
# 2   547    Korean  3                         3rd string please
# 3    56    Arabic  4                                       4th
# 4     3      Thai  5                        5th very loooooong
# 5   234     Greek  6                6 be good to the dataframe
# 6   124   English  7                                 7 the end

• 包含全量Unicode字符的DataFrame显示错位：

print(df)
#       a  language                      unicode_chars  b                                         c
# 0  2134   Chinese                             我是一個蘋果  1                   I am a long string here
# 1     4  Japanese                         麺作りは美味しいです  2  2nd string I want this to be some length
# 2   547    Korean             나는 공원에서 걷고 뛰는 것을 좋아합니다  3                         3rd string please
# 3    56    Arabic  اكل البيتزا لذيذ جدا اريد المزيد.  4                                       4th
# 4     3      Thai     มีจระเข้อยู่ในแม่น้ำ โปรดระวัง  5                        5th very loooooong
# 5   234     Greek      Ευχαριστώ τους προγόνους μας.  6                6 be good to the dataframe
# 6   124   English            Normal English sentence  7                                 7 the end

• 设置pd.set_option("display.unicode.east_asian_width", True)后，仅CJK行对齐，阿拉伯语、泰语行仍错位。

环境：macOS Ventura 13.2，Python 3.11.2

解决方案 #

方案1：用wcwidth库自定义格式化函数 #

Pandas默认仅处理CJK字符的宽度计算，对阿拉伯语、泰语等字符的显示宽度判断不准。wcwidth库可以精准计算每个字符串的终端显示宽度，据此手动格式化输出：

1. 安装依赖：

pip install wcwidth

2. 自定义格式化函数：

import pandas as pd
from wcwidth import wcswidth

def format_aligned_df(df):
    # 计算每列的最大显示宽度（含列名）
    col_widths = []
    for col in df.columns:
        # 列名宽度加2作为 padding
        current_max = wcswidth(str(col)) + 2
        # 遍历列内所有值，更新最大宽度
        for val in df[col]:
            val_width = wcswidth(str(val)) + 2
            if val_width > current_max:
                current_max = val_width
        col_widths.append(current_max)
    
    # 输出表头
    header = "".join(f"{str(col):<{width}}" for col, width in zip(df.columns, col_widths))
    print(header)
    print("-" * sum(col_widths))
    
    # 输出每行内容
    for _, row in df.iterrows():
        row_content = "".join(f"{str(val):<{width}}" for val, width in zip(row, col_widths))
        print(row_content)

# 使用示例
format_aligned_df(df)

方案2：使用tabulate库替代原生输出 #

tabulate库内置了多语言字符宽度识别逻辑，能自动处理非CJK字符的对齐问题：

1. 安装依赖：

pip install tabulate

2. 输出对齐的DataFrame：

from tabulate import tabulate

print(tabulate(df, headers='keys', tablefmt='simple'))

方案3：更换终端等宽字体（仅终端环境） #

部分终端字体对非CJK Unicode字符的宽度渲染不一致，更换为支持宽字符的等宽字体（如Noto Sans Mono、JetBrains Mono）可改善对齐效果，这属于环境配置方案。

内容的提问来源于stack exchange，提问作者Aeronautix