如何利用Matplotlib的PdfWriter优化大小DataFrame的PDF格式化

核心问题分析 #

原代码固定使用figsize=(12,4)，当DataFrame行数较多时，表格会被强制压缩到固定高度的画布中，导致字体过小、内容拥挤。要同时适配小型和大型DataFrame，需要动态调整画布尺寸，并在表格超出单页容量时自动分页。

改进后的代码 #

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

def df_to_pdf(panda_df, title, pdf_path):
    # 基础配置：字体大小、每页最大行数
    font_size = 10
    max_rows_per_page = 30
    num_rows = panda_df.shape[0]
    num_cols = panda_df.shape[1]
    
    # 计算每页需要处理的行范围
    page_ranges = [(i, min(i + max_rows_per_page, num_rows)) for i in range(0, num_rows, max_rows_per_page)]
    
    with PdfPages(pdf_path) as pdf:
        for start_idx, end_idx in page_ranges:
            # 动态计算画布高度：每行约占0.4单位高度，加上标题和边距
            fig_height = max(4, (end_idx - start_idx) * 0.4 + 2)
            fig, ax = plt.subplots(figsize=(12, fig_height))
            
            ax.axis('tight')
            ax.axis('off')
            ax.set_title(title, fontsize=font_size+2, pad=15)
            
            # 截取当前页的DataFrame数据
            page_df = panda_df.iloc[start_idx:end_idx]
            # 创建表格，设置自动列宽、字体大小
            table = ax.table(
                cellText=page_df.values,
                colLabels=panda_df.columns,
                loc='center',
                cellLoc='center',
                fontsize=font_size
            )
            
            # 自动调整列宽：根据内容长度设置列宽比例
            table.auto_set_column_width(col=list(range(num_cols)))
            # 优化表格样式
            table.scale(1, 1.2)  # 调整行高，避免内容拥挤
            
            pdf.savefig(fig, bbox_inches='tight', dpi=150)
            plt.close(fig)

关键优化点 #

• 动态画布高度：根据当前页的行数计算fig_height，小型DataFrame保持最小高度4，大型DataFrame按行数扩展高度，避免压缩。
• 自动分页：设置max_rows_per_page控制每页最大行数，超过时自动拆分多页。
• 表格样式优化：
  • 用auto_set_column_width自动适配列宽，避免列内容被截断。
  • 调整table.scale()增加行高，提升可读性。
  • 统一字体大小，标题略大于表格内容，保持视觉层次。
• 资源清理：每页生成后关闭画布，避免内存占用过高。

使用示例 #

# 假设你的DataFrame是df，标题为"业务数据统计"
df_to_pdf(df, "业务数据统计", "output.pdf")

内容的提问来源于stack exchange，提问作者lunbox