乐趣区

关于pandas:Pandas-数据显示不全快来了解这些设置技巧-⛵

jiezi

💡 作者：韩信子 @ShowMeAI
📘 数据分析实战系列：http://www.showmeai.tech/tutorials/40
📘 本文地址：http://www.showmeai.tech/article-detail/285
📢 申明：版权所有，转载请分割平台与作者并注明出处
📢 珍藏 ShowMeAI 查看更多精彩内容

📌 Pandas 数据显示的问题

咱们在利用 Python 进行 数据分析开掘和机器学习 时，最罕用的工具库就是 Pandas，它能够帮忙咱们快捷地进行数据处理和剖析。

对 Pandas 不相熟的同学，肯定要学习下这个宝藏工具库哦！ShowMeAI 给大家做了一个详尽的教程，能够在 📘 Python 数据分析教程 中查看，咱们同时也制作了 📘 Pandas 速查表，不便大家疾速查找须要的性能。如果你喜爱跟着视频学习，那么举荐 B 站这个 📘 疾速实战教程。

但在应用 Pandas 时，咱们常常会遇到像上面这样一些问题，它很影响咱们查看数据理解详情。

🔔 长文本无奈显示全

对于十分长的字段可能显示不全，如下图中，URL 被缩短显示。

🔔 迷信计数法显示失去细节

Pandas 默认应用『迷信计数法』显示大浮点数，例如 1000000.5 显示为 1.000e+06。对于数值较大的数字，就可能有如下的显示，这导致咱们看不到具体数值。

![](https://p3-juejin.byteimg.com…e” width=”30%” referrerpolicy=”no-referrer”>

🔔 小数位精度不统一

对于浮点型的字段列，Pandas 可能有不同的位精度。例如下图中，col_1 准确到小数点后一位，而 col_2 准确到小数点后三位。有时候精度的不统一可能会有信息的差别。

在本篇内容中，ShowMeAI 将介绍如何应用 Pandas 自定义设置来解决诸如上述的问题。次要的设置包含上面内容：

  • 自定义要显示的行数
  • 自定义要显示的列数
  • 自定义列宽
  • 使浮点列之间的小数位精度保持一致
  • 禁用迷信记数法
  • 其余用法

留神：以上设置仅更改数据的显示出现形式，理论并不会影响 Dataframe 存储的数据。

📌 Pandas 自定义显示设置

💡 自定义显示行数

打印大 Dataframe（行列数很多的数据）时，Pandas 默认显示前 5 行和后 5 行，如下图所示。

咱们能够通过设置显示选项 display.max_rows 来更改要显示的行数，比方咱们将其设置为 4。

pd.set_option("diaply.max_row", 4)
df

咱们能够应用重置选项 pd.reset_option("display.max_rows") 复原默认行数显示设置。

💡 自定义显示列数

同样的情理，咱们能够通过设置 display.max_columns 自定义输入 Dataframe 时要显示的列数。

pd.set_option("diaply.max_columns", 6)
df

咱们甚至能够设置 pd.set_option('display.max_columns',` `None) 来显示所有列（然而大家须要留神一下内存应用，这个操作可能让 Jupyter Notebook 一下占用特地多资源）。

咱们同样能够应用 pd.reset_option("display.max_columns") 重置返回到默认设置。

💡 自定义列宽

在下图中，咱们看不到前两行的全文，因为它们的字符太长（长度超过了 50）。

咱们把设置 display.max_colwidth调整到 70，就能够看到全文了，如下图所示。

pd.set_option("diaply.max_colwidth", 70)
df

对这个设置重置的操作仍旧是pd.reset_option("display.max_colwidth")。

💡 设置字段小数位精度统一

后面提到的一个例子中，col_1 和 col_2 的小数位精度不统一：

咱们能够通过设置 display.float_format 至 "{:.2f}".format 使格局统一，如下图所示。

该选项只会影响浮点列，而不影响整数列。

pd.set_option("diaply.float_format", "{:.2f}".format)
df

对这个设置重置的操作是 pd.reset_option("display.float_format")

💡 禁用迷信计数法

Pandas 默认以迷信计数法显示较大的浮点值。

通过设置 display.float_format至 "{:,.2f}".format，咱们能够为千位增加分隔符。

pd.set_option("diaply.float_format", "{:,.2f}".format)
df

咱们甚至能够增加货币符号在数值后面，比方咱们把 display.float_format 设置为 "$ {:,.2f}".format，失去如下后果：

pd.set_option("diaply.float_format", "$ {:,.2f}".format)
df

💡 其余设置

下面列到的是一些最罕用的设置，如果咱们记不住这些设置名称，或者咱们想理解全副能够调整的显示设置，能够怎么办呢？实际上大家能够借助 pd.describe_option() 取得所有可用显示设置的列表。

针针对某个特定的显示设置，能够在 pd.describe_option()中传入想调整的显示设置名称来获取应用细节，例如咱们运行 pd.describe_option("max_rows") 将打印形容 display.max_rows应用细节，如下图所示。

pd.describe_option("max_rows")

参考资料

  • 📘 Pandas 设置选项: https://pandas.pydata.org/docs/user_guide/options.html
  • 📘 Python 数据分析教程: http://www.showmeai.tech/tutorials/33
  • 📘 Pandas 速查表: http://www.showmeai.tech/article-detail/101
  • 📘 Pandas 疾速实战教程: https://www.bilibili.com/video/BV1M64y187bz
退出移动版