Entonces parece que esto no es una cosa en este momento en VS Code.

Si alguien quiere mostrar su apoyo al desarrollo de esta función, encontré este problema abierto aquí: https://github.com/microsoft/vscode-python/issues/7063

El caparazón interactivo parece un buen comienzo. Haga clic derecho en el archivo .py en su explorador. Podrás ver marcos de datos de pandas desde allí.

Parece que actualmente solo puede hacerlo usando el cuaderno Jupyter en VS Code, usando el explorador de variables.

Ahora puede imprimir el DataFrame en la CONSOLA DE DEPURACIÓN:

Del problema de Github mencionado en la respuesta de @Christina Zhou .

Mi solución para ver DataFrames en un formato tabular durante la depuración es simplemente copiarlos y pegarlos en una hoja de cálculo de Excel usando

 df.to_clipboard()

desde la consola de depuración. Incluso algunos de mis colegas que ejecutan PyCharm están utilizando esta técnica, ya que le brinda mucha más flexibilidad para inspeccionar sus datos.

El equipo de Microsoft VSCode finalmente puso a disposición esta función con la última actualización del producto. Se pueden encontrar más detalles en el blog oficial .

Funciona a las mil maravillas y es muy intuitivo. En breve:

1. Configure un punto de interrupción (haciendo clic en el punto más a la izquierda del área del código, antes del número de línea)
2. Iniciar depuración (el menú Run en la parte superior tiene la opción Start Debugging )
3. Cuando el depurador se detenga en el punto de depuración, busque el marco de datos requerido dentro del panel VARIABLES . (El panel VARIABLES está dentro del área Run and Debug )
4. Haga clic con el botón derecho en el marco de datos y seleccione la opción View Value in Data Viewer . TADA :)

puede usar la función view() de la biblioteca xlwings. Le mostrará el DataFrame en Excel:

 import pandas as pd from xlwings import view df = pd.DataFrame({'A':[1,2], 'B':[3,4]}) view(df)

Una mejor manera sería convertir la función al método pandas:

 from pandas.core.base import PandasObject PandasObject.view = view

ahora solo necesitas escribir:

 df.view()