Pandas教程12:常用的pd.set_option方法,显示所有行和列+不换行显示等等...

---------------pandas数据分析集合---------------

Python教程71:学习Pandas中一维数组Series

Python教程74:Pandas中DataFrame数据创建方法及缺失值与重复值处理

Pandas数据化分析,DataFrame行列索引数据的选取,增加,修改和删除操作

Pandas教程05:DataFrame数据常用属性和方法汇总

Pandas教程06:DataFrame.merge数据的合并处理

Pandas教程07:DataFrame数据的算术运算+逻辑运算+describe()方法+统计函数+自定义函数运算

Pandas教程08:教你DataFrame数据的条件筛选------精选篇

Pandas教程09:使用date_range函数,创建时间序列数据

Pandas教程10:DataFrame数据可视化绘制折线图、柱状图、散点图、饼形图

Pandas教程11:关于pd.DataFrame.shift(1)数据下移的示例用法

1.常用的pd.set_option方法:主要用于设置DataFrame的显示输出。在读取到Excel文件或csv文件后,往往会出现数据显示不全(如图)等问题,有时候会影响我们对数据的判断。使用这个函数后,能够帮助我们更好的显示数据,帮助我们更快的认识数据,能够节省不少时间。

python 复制代码
# @Author : 小红牛
# 微信公众号:WdPython
import pandas as pd

# 1.显示行列数  
# pd.set_option('display.max_columns', None) # 显示所有列
pd.set_option('display.max_columns', 5)  # 最多显示5列

# pd.set_option('display.max_rows', None) # 显示所有行
pd.set_option('display.max_rows', 10)  # 最多显示10行


# 2.设置显示数值的精度,如保留两位小数
pd.set_option('display.precision', 2)
# pd.options.display.precision = 2

# 3.数字格式化显示
# 如将1.880128e+08转换成188,012,757.18395028全部显示
pd.set_option('display.float_format', '{:,}'.format)

# 设置数字精度,保留几位小数
pd.set_option('display.float_format', '{:,.2f}'.format)
# 带百分号格式化显示
pd.set_option('display.float_format', '{:.2f}%'.format)

#4.True表示列可以换行显示。设置成False的时候不允许换行显示
pd.set_option('expand_frame_repr', True)

# 5.改变字段的宽度,默认50字符。有的值字符过长就会显示省略号。
pd.set_option('display.max_colwidth', 200)
#pd.options.display.max_colwidth = 200

# 6.设置列标题居中对齐,left':左对齐,right': 右对齐
pd.set_option('display.colheader_justify', 'center')

# 7. pd.describe_option()  # 展示所有设置和描述
# 具体的搜索
pd.describe_option('rows')

# 8.重置所有设置选项
pd.reset_option('all')

2.举例说明,先使用numpy生成一个100行15列的DataFrame数据,然后打印一下前后的数据。其他的自己试一下,这里只演示行列的显示设置。

python 复制代码
# @Author : 小红牛
# 微信公众号:WdPython
import pandas as pd
import numpy as np

# 生成一个100行10列的DataFrame,其中每个元素都是0到100之间的随机数
df = pd.DataFrame(np.random.uniform(low=0, high=101, size=(100, 10)))

print('1.显示原始DataFrame数据'.center(50, '-'))
print(df)

print('2.添加option条件后的,DataFrame数据'.center(50, '-'))
# pd.set_option('display.max_columns', None) # 显示所有列
pd.set_option('display.max_columns', 5)  # 最多显示5列

# pd.set_option('display.max_rows', None) # 显示所有行
pd.set_option('display.max_rows', 10)  # 最多显示10行
print(df)

输出内容

python 复制代码
----------------1.显示原始DataFrame数据-----------------
            0          1          2  ...          7          8          9
0   40.245405   9.521260  15.032271  ...  48.591873  21.890877  90.859123
1    4.097217  63.141219  98.024709  ...  51.325570  50.781432  67.728231
2    3.735974   2.090721  94.227408  ...  96.841463  46.973768  19.839550
3    2.107308  78.409608  77.497758  ...   4.105250  20.998882  96.287974
4   82.798062  88.370363  23.702463  ...  49.260836  55.189386  10.860411
..        ...        ...        ...  ...        ...        ...        ...
95  15.506104   3.243376  12.609004  ...  78.510960  79.652707  99.922600
96  86.672322  23.761919  98.914231  ...  99.089989  54.030815  32.052257
97  64.865497  83.369811  49.815126  ...  39.617417  41.704144  89.365925
98   6.374077  84.936184  10.331111  ...  43.039300  59.455058  75.464257
99   4.194443  36.074548  90.858682  ...  73.934862  76.414062  49.877312

[100 rows x 10 columns]
-------------2.添加option条件后的,DataFrame数据-------------
            0          1  ...          8          9
0   40.245405   9.521260  ...  21.890877  90.859123
1    4.097217  63.141219  ...  50.781432  67.728231
2    3.735974   2.090721  ...  46.973768  19.839550
3    2.107308  78.409608  ...  20.998882  96.287974
4   82.798062  88.370363  ...  55.189386  10.860411
..        ...        ...  ...        ...        ...
95  15.506104   3.243376  ...  79.652707  99.922600
96  86.672322  23.761919  ...  54.030815  32.052257
97  64.865497  83.369811  ...  41.704144  89.365925
98   6.374077  84.936184  ...  59.455058  75.464257
99   4.194443  36.074548  ...  76.414062  49.877312

[100 rows x 10 columns]

完毕!!感谢您的收看

----------★★历史博文集合★★----------
我的零基础Python教程,Python入门篇 进阶篇 视频教程 Py安装py项目 Python模块 Python爬虫 Json Xpath 正则表达式 Selenium Etree CssGui程序开发 Tkinter Pyqt5 列表元组字典数据可视化 matplotlib 词云图 Pyecharts 海龟画图 Pandas Bug处理 电脑小知识office自动化办公 编程工具

相关推荐
Tianyanxiao3 分钟前
如何利用探商宝精准营销,抓住行业机遇——以AI技术与大数据推动企业信息精准筛选
大数据·人工智能·科技·数据分析·深度优先·零售
FIT2CLOUD飞致云1 小时前
仪表板展示|DataEase看中国:历年双十一电商销售数据分析
数据分析·开源·数据可视化·dataease·双十一
皓7412 小时前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
菜鸟的人工智能之路3 小时前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
阡之尘埃9 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
布说在见12 小时前
层次与网络的视觉对话:树图与力引导布局的双剑合璧
信息可视化·数据挖掘·数据分析
全栈开发圈18 小时前
新书速览|Spark SQL大数据分析快速上手
sql·数据分析·spark
spssau18 小时前
多分类logistic回归分析案例教程
分类·数据挖掘·数据分析·回归·回归分析·logistic回归·spssau
写代码的小阿帆20 小时前
深度学习—Pandas标签库基础
深度学习·pandas
我就说好玩20 小时前
2020年美国总统大选数据分析与模型预测
大数据·python·数据挖掘·数据分析·pandas·sklearn