当你使用python中的pandas库中的.read（）方法时，无法对齐数据，如下：

对于强迫症的我，必须得把它弄对齐了才行！
于是乎，在代码行加入以下两列：

pd.set_option('display.unicode.ambiguous_as_wide', True)  #处理数据的列标题与数据无法对齐的情况
pd.set_option('display.unicode.east_asian_width', True)   #无法对齐主要是因为列标题是中文
最后显示效果如下：
 
pd.set_option('display.unicode.east_asian_width',True) #使列名对齐
df = pd.read_excel('export_excel_data.xlsx')
print(df)
实际运行结果为如下,没有对齐
print在console line下服务,这个显示基本上只能满足基本需求(这是在pycharm上运行的结果,但是在ipython上运行却可以)
2 jupyt
import   pandas  as pd
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width',True)
data=[[110,110,99],[105,88,115],[109,120,130],[112,115]]
name=['明日','七月流火','高袁圆','二月二']
columns=['语文','数学','英语']
df=pd.DataFra
	#设置列名与数据对齐
	pd.set_option('display.unicode.ambiguous_as_wide', True)
	pd.set_option('display.unicode.east_asian_width', True)
	#显示所有列
	pd.set_option('display.max_columns', None)
	#显示10行
	pd.set_option('display.max_rows', 10)
	#设置显示宽度为1000,这样就
                                    在数据可视化中，我们经常需要在图表上添加一些标记，以更好地展示数据。其中一个重要的组成部分是标签，而标签的位置通常与其所对应的数据点有一定的偏移量，在视觉上更易于区分。但是，在某些情况下，您可能希望将标签放置在不同的位置，以便更好地展现数据。例如，如果您的数据点比较稠密，则可能需要将标签向左或向右移动一些距离，以便避免标签重叠。然后，我们可以使用 matplotlib 创建一个散点图，并为每个数据点添加标签。在这个例子中，我们为每个标签随机生成了一个与数据点相对应的偏移量，确保它们不会重叠。
当header列数小于数据实际列数时，pd.read_csv()读取后从右向左依次对应数据和header，数据左侧出现了以‘/’为分隔的堆积（xx、11111、114、49应分别是站名、站号、经度和纬度）。
当header列数大于数据实际列数时，pd.read_csv()读取后从左向右依次对应数据和header，数据右侧以‘nan’补齐。