Is there a way to display DataFrame with horizontal line for every row?

I am doing some exploration on the screen for my dataframe with about 10 columns. Is there a way to print the table on the screen with horizontal line for every row just like a latex table? I could not find this option in the show() of DataFrame. Thanks.

If you use VSCode you can click on the data panel for the variable of interest and an Excel-like table will open letting you visualize all cols and all rows…

Consider also using PrettyTables.jl

1 Like

Or in other words:

  • show for data frame help lists only most common options (as there are too many to list)
  • show supports all options of PrettyTables.jl

CC @Ronis_BR

Yes!

You can have all the lines you want:

julia> df = DataFrame(rand(10,10), :auto)
10Γ—10 DataFrame
 Row β”‚ x1         x2         x3          x4        x5        x6         x7          x8        x9         x10
     β”‚ Float64    Float64    Float64     Float64   Float64   Float64    Float64     Float64   Float64    Float64
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   1 β”‚ 0.0716389  0.784066   0.374627    0.493523  0.675171  0.938887   0.701512    0.541908  0.937989   0.697233
   2 β”‚ 0.624784   0.513396   0.606176    0.515935  0.432444  0.671839   0.683243    0.649663  0.869727   0.730778
   3 β”‚ 0.840183   0.642296   0.022753    0.14086   0.827733  0.0803897  0.416368    0.150438  0.0195389  0.22608
   4 β”‚ 0.971794   0.197491   0.448072    0.186049  0.609802  0.286922   0.260894    0.765768  0.499115   0.308511
   5 β”‚ 0.0373043  0.0894055  0.186157    0.093386  0.844163  0.955461   0.0799212   0.169375  0.922238   0.361566
   6 β”‚ 0.968046   0.713258   0.463439    0.707651  0.739382  0.59466    0.355122    0.499858  0.916289   0.209395
   7 β”‚ 0.0928419  0.82223    0.826998    0.938195  0.300713  0.170391   0.69201     0.384293  0.108959   0.460362
   8 β”‚ 0.391558   0.590709   0.772016    0.111373  0.529959  0.785472   0.00606464  0.534936  0.662282   0.0748498
   9 β”‚ 0.741088   0.0563262  0.472633    0.558224  0.354916  0.90828    0.783904    0.252325  0.901037   0.360539
  10 β”‚ 0.686781   0.587165   0.00686523  0.624827  0.478205  0.127479   0.345735    0.764431  0.180345   0.0421078

julia> show(df; hlines = :all, vlines = :all)
10Γ—10 DataFrame
β”Œβ”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”¬β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”
β”‚ Row β”‚ x1        β”‚ x2        β”‚ x3         β”‚ x4       β”‚ x5       β”‚ x6        β”‚ x7         β”‚ x8       β”‚ x9        β”‚ x10       β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚     β”‚ Float64   β”‚ Float64   β”‚ Float64    β”‚ Float64  β”‚ Float64  β”‚ Float64   β”‚ Float64    β”‚ Float64  β”‚ Float64   β”‚ Float64   β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   1 β”‚ 0.0716389 β”‚ 0.784066  β”‚ 0.374627   β”‚ 0.493523 β”‚ 0.675171 β”‚ 0.938887  β”‚ 0.701512   β”‚ 0.541908 β”‚ 0.937989  β”‚ 0.697233  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   2 β”‚ 0.624784  β”‚ 0.513396  β”‚ 0.606176   β”‚ 0.515935 β”‚ 0.432444 β”‚ 0.671839  β”‚ 0.683243   β”‚ 0.649663 β”‚ 0.869727  β”‚ 0.730778  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   3 β”‚ 0.840183  β”‚ 0.642296  β”‚ 0.022753   β”‚ 0.14086  β”‚ 0.827733 β”‚ 0.0803897 β”‚ 0.416368   β”‚ 0.150438 β”‚ 0.0195389 β”‚ 0.22608   β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   4 β”‚ 0.971794  β”‚ 0.197491  β”‚ 0.448072   β”‚ 0.186049 β”‚ 0.609802 β”‚ 0.286922  β”‚ 0.260894   β”‚ 0.765768 β”‚ 0.499115  β”‚ 0.308511  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   5 β”‚ 0.0373043 β”‚ 0.0894055 β”‚ 0.186157   β”‚ 0.093386 β”‚ 0.844163 β”‚ 0.955461  β”‚ 0.0799212  β”‚ 0.169375 β”‚ 0.922238  β”‚ 0.361566  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   6 β”‚ 0.968046  β”‚ 0.713258  β”‚ 0.463439   β”‚ 0.707651 β”‚ 0.739382 β”‚ 0.59466   β”‚ 0.355122   β”‚ 0.499858 β”‚ 0.916289  β”‚ 0.209395  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   7 β”‚ 0.0928419 β”‚ 0.82223   β”‚ 0.826998   β”‚ 0.938195 β”‚ 0.300713 β”‚ 0.170391  β”‚ 0.69201    β”‚ 0.384293 β”‚ 0.108959  β”‚ 0.460362  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   8 β”‚ 0.391558  β”‚ 0.590709  β”‚ 0.772016   β”‚ 0.111373 β”‚ 0.529959 β”‚ 0.785472  β”‚ 0.00606464 β”‚ 0.534936 β”‚ 0.662282  β”‚ 0.0748498 β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚   9 β”‚ 0.741088  β”‚ 0.0563262 β”‚ 0.472633   β”‚ 0.558224 β”‚ 0.354916 β”‚ 0.90828   β”‚ 0.783904   β”‚ 0.252325 β”‚ 0.901037  β”‚ 0.360539  β”‚
β”œβ”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”Όβ”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€
β”‚  10 β”‚ 0.686781  β”‚ 0.587165  β”‚ 0.00686523 β”‚ 0.624827 β”‚ 0.478205 β”‚ 0.127479  β”‚ 0.345735   β”‚ 0.764431 β”‚ 0.180345  β”‚ 0.0421078 β”‚
β””β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”΄β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”€β”˜

P.S.: @bkamins just one more reminder about how important that manual section on output customization is :smiley: I am writing it, but I am having problems to find a balance between a huge and difficult to read section, and a more simple but without taking into account all the possibilities. Maybe the best thing is to start with the later and discuss in the PR…

2 Likes

Ah, and if you want only the horizontal lines, you can do:

julia> show(df; hlines = :all)
10Γ—10 DataFrame
─────┬─────────────────────────────────────────────────────────────────────────────────────────────────────────────
 Row β”‚ x1         x2         x3          x4        x5        x6         x7          x8        x9         x10
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
     β”‚ Float64    Float64    Float64     Float64   Float64   Float64    Float64     Float64   Float64    Float64
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   1 β”‚ 0.0716389  0.784066   0.374627    0.493523  0.675171  0.938887   0.701512    0.541908  0.937989   0.697233
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   2 β”‚ 0.624784   0.513396   0.606176    0.515935  0.432444  0.671839   0.683243    0.649663  0.869727   0.730778
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   3 β”‚ 0.840183   0.642296   0.022753    0.14086   0.827733  0.0803897  0.416368    0.150438  0.0195389  0.22608
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   4 β”‚ 0.971794   0.197491   0.448072    0.186049  0.609802  0.286922   0.260894    0.765768  0.499115   0.308511
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   5 β”‚ 0.0373043  0.0894055  0.186157    0.093386  0.844163  0.955461   0.0799212   0.169375  0.922238   0.361566
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   6 β”‚ 0.968046   0.713258   0.463439    0.707651  0.739382  0.59466    0.355122    0.499858  0.916289   0.209395
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   7 β”‚ 0.0928419  0.82223    0.826998    0.938195  0.300713  0.170391   0.69201     0.384293  0.108959   0.460362
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   8 β”‚ 0.391558   0.590709   0.772016    0.111373  0.529959  0.785472   0.00606464  0.534936  0.662282   0.0748498
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
   9 β”‚ 0.741088   0.0563262  0.472633    0.558224  0.354916  0.90828    0.783904    0.252325  0.901037   0.360539
─────┼─────────────────────────────────────────────────────────────────────────────────────────────────────────────
  10 β”‚ 0.686781   0.587165   0.00686523  0.624827  0.478205  0.127479   0.345735    0.764431  0.180345   0.0421078
─────┴─────────────────────────────────────────────────────────────────────────────────────────────────────────────

If you want to remove the vertical line in Row column, then do:

julia> show(df; hlines = :all, vlines = :none)
10Γ—10 DataFrame
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
 Row  x1         x2         x3          x4        x5        x6         x7          x8        x9         x10
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
      Float64    Float64    Float64     Float64   Float64   Float64    Float64     Float64   Float64    Float64
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   1  0.0716389  0.784066   0.374627    0.493523  0.675171  0.938887   0.701512    0.541908  0.937989   0.697233
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   2  0.624784   0.513396   0.606176    0.515935  0.432444  0.671839   0.683243    0.649663  0.869727   0.730778
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   3  0.840183   0.642296   0.022753    0.14086   0.827733  0.0803897  0.416368    0.150438  0.0195389  0.22608
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   4  0.971794   0.197491   0.448072    0.186049  0.609802  0.286922   0.260894    0.765768  0.499115   0.308511
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   5  0.0373043  0.0894055  0.186157    0.093386  0.844163  0.955461   0.0799212   0.169375  0.922238   0.361566
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   6  0.968046   0.713258   0.463439    0.707651  0.739382  0.59466    0.355122    0.499858  0.916289   0.209395
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   7  0.0928419  0.82223    0.826998    0.938195  0.300713  0.170391   0.69201     0.384293  0.108959   0.460362
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   8  0.391558   0.590709   0.772016    0.111373  0.529959  0.785472   0.00606464  0.534936  0.662282   0.0748498
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   9  0.741088   0.0563262  0.472633    0.558224  0.354916  0.90828    0.783904    0.252325  0.901037   0.360539
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
  10  0.686781   0.587165   0.00686523  0.624827  0.478205  0.127479   0.345735    0.764431  0.180345   0.0421078
──────────────────────────────────────────────────────────────────────────────────────────────────────────────────
2 Likes

Thank you for the answer.

Two packages which may be helpful

  1. TerminalPager.jl for a scroll-able view of a DataFrame
  2. FloatingTableView.jl which opens up a new window for viewing the table.
1 Like