你问的问题有一个矛盾：

• 如果你希望输出是有效的CSV（即可以通过pd.read_csv()读回），那么你可以使用sep='\t'，但你的列将是锯齿状的（每列只有1个'\t'分隔。
• 另一方面，如果你想让文件中的列对齐，那么你应该使用df.to_string(index=False)。但这不是一个CSV文件。
• 最后，你可以通过填充空格来修改数据，甚至使它仍然是有效的CSV（仍然是sep='\t'），但是当你读回它时，你会得到不同的数据。

示例：

在下面的所有例子中，我们没有指定要写入的文件，所以输出是一个字符串，我们打印它。将文件名作为第一个参数传递给.to_csv()或.to_string()以写入文件。

设置

为了更一般化一点，多了一列：

# setup
df = pd.DataFrame({
    'name': ['Saul Goodman', 'JMM'],
    'foo': ['hello', 'wonderful world'],
    'age': [49, 50],
})

字符串

有效的制表符分隔CSV

# tab-separated CSV
>>> print(df.to_csv(sep='\t', index=False))
name    foo age
Saul Goodman    hello   49
JMM wonderful world 50

型

不是CSV，所有列都视觉对齐

# to string (all columns are aligned)
>>> print(df.to_string(index=False))
        name             foo  age
Saul Goodman           hello   49
         JMM wonderful world   50

型

填充字符串列和制表符分隔

仍然有效的CSV（制表符分隔），但数据已 * 修改 *（填充）：

strcols = df.dtypes == 'O'
strcols = strcols[strcols].index.tolist()
lens = df[strcols].applymap(len).max()

rename = {k: f'{k:<{v}s}' for k, v in lens.items()}
>>> print(df.assign(**{
...     k: df[k].str.pad(v, 'right')
...     for k, v in lens.items()
... }).rename(rename, axis=1).to_csv(index=False, sep='\t'))
name            foo             age
Saul Goodman    hello           49
JMM             wonderful world 50

型