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...

这篇具有很好参考价值的文章主要介绍了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...。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

---------------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。

# @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。

# @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

----------------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
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,我的Python教程,pandas,数据分析,Python教程文章来源地址https://www.toymoban.com/news/detail-831419.html

到了这里,关于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...的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python教程(12)——Python数据结构集合set介绍

    集合是一种无序、可变的数据结构,它也是一种变量类型,集合用于存储唯一的元素。集合中的元素不能重复,并且没有固定的顺序。在Python 提供了内置的 set 类型来表示集合,所以 set 就是集合的意思。 你可以使用大括号 {} 或者 set() 函数来创建一个集合。 需要注意

    2024年02月10日
    浏览(28)
  • Python中Pandas库提供的函数——pd.DataFrame的基本用法

    pd.DataFrame 是 Pandas 库中的一个类,用于创建和操作数据框(DataFrame)。DataFrame 是 Pandas 的核心数据结构,用于以表格形式和处理数据,类似提供电子表格或数据库表格。类了创建 pd.DataFrame 数据框、访问数据、进行数据操作和分析的方法和属性。 表格形式 :DataFrame是一个二维

    2024年02月05日
    浏览(44)
  • 常用字符串处理方法汇总--Pandas

    字符串处理只能在Series上进行,不可以在DataFrame上操作,只能对字符串进行处理,不能对整数、日期进行处理 1.1.1 函数功能 统计Series中每个元素中包含pat的次数 1.1.2 函数语法 1.1.3 函数参数 参数 含义 pat 表达式 1.2.1 函数功能 统计Series中每个元素的长度 1.2.2 函数语法 2.1.1 函

    2024年02月12日
    浏览(37)
  • Pandas十大练习题,掌握常用方法

    代码均在Jupter Notebook上完成 数据集可从此获取: 链接: https://pan.baidu.com/s/1YGwh3pqxW4OlrQXt-5wgFg?pwd=3znx 提取码: 3znx 简介 数据集 1.分析Chipotle快餐数据 chipotle.tsv 2.分析2012欧洲杯数据 Euro2012_stats.csv 3.分析酒类消费数据 drinks.csv 4.分析1960 - 2014 美国犯罪数据 US_Crime_Rates_1960_2014.csv 5.分

    2024年01月16日
    浏览(38)
  • pandas查看数据常用方法(以excel为例)

    目录   1.查看指定行数的数据head() 2. 查看数据表头columns 3.查看索引index 4.指定索引列index_col 5.按照索引排序 6.按照数据列排序sort_values()  7.查看每列数据类型dtypes 8.查看指定行列数据loc 9.查看数据是否为空isnull()   (1)数据.head()默认查看五行数据 (2)查看指定行数 数据

    2024年01月15日
    浏览(32)
  • Set 接口及其常用方法

    Set 接口是 Collection 接口的一个子接口,其主要特点如下: 不允许重复元素: Set 接口的实现类不会包含重复的元素。更正式地说,不包含任何一对使得 e1.equals(e2) 成立的元素 e1 和 e2 ,并且最多只能有一个 null 元素。当尝试添加重复元素时,添加操作将被忽略。 无序性: S

    2024年02月08日
    浏览(30)
  • 【Java基础教程】(三十一)常用类库篇 · 第一讲:Optional类——解锁Java的Optional操作,消灭那些隐匿的空指针,还程序世界一个安稳!~

    Optional 类是Java 8引入的新特性,旨在解决空值( null )的处理问题 。它的设计目的是为了提供一种更好的方式来处理可能为空的值,避免使用 null 导致空指针异常。 Optional 是一个容器对象,可以持有某个类型的非空值或者空值。它是一个包装类,用于替代可能为空的引用变

    2024年02月15日
    浏览(34)
  • Java 中 Set集合常用方法

    对象名.add() 向Set集合中添加元素 (但不能添加重复元素,Set集合中不允许元素重复) addAll(Collection c) 如果 set 中没有指定 collection 中的所有元素,则将其添加到此 set 中。 对象名.size() 返回 set 中的元素数(其容量) 对象名.isEmpty() 判断集合中是否有元素,若有则返回 true;

    2024年02月13日
    浏览(28)
  • python-数据分析-numpy、pandas、matplotlib的常用方法

    输出方式不同 里面包含的元素类型 使用 索引/切片 访问ndarray元素 切片 左闭右开 np.array(list) np.arange() np.random.randn() - - - 服从标准正态分布- - - 数学期望 μ - - - 标准方差 s 使用matplotlib.pyplot模块验证标准正态分布 np.random.randint(起始数,终止数(行,列)) 数据分析 - - - 数据清洗

    2024年02月10日
    浏览(38)
  • 【数据处理】Pandas读取CSV文件示例及常用方法(入门)

    查看读取前10行数据 2067 向前填充 指定列的插值填充 使用某数据填充指定列的空值 示例: 类似切片 array([‘SE’, ‘cv’, ‘NW’, ‘NE’], dtype=object) 类似数据库查询中的groupby查询 先添加新的一列按月将数据划分 聚合,对指定的列按月划分求平均值等 min 最小值 max 最大值 sum

    2024年02月06日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包