 
 大家好,好习我是常用阳哥。 通过pandas的好习使用,我们经常要交互式地展示表格(dataframe)、常用分析表格。好习而表格的常用格式就显得尤为重要了,因为大部分时候如果我们直接展示表格,好习格式并不是常用很友好。 其实呢,好习这些痛点都可以通过pandas的常用option来解决。短短几行代码,好习只要提前配置好,常用一次设置好,好习全局生效,常用perfect!好习 # 使用方法 import pandas as pd pd.set_option() pd.get_option() # 使用属性,例如展示的最大行数 pd.option.display.max_rows东哥整理了8个常用的配置选项,供大家参考。记住这8个option代码,下次直接粘贴进去,效率可以提高很多,爽歪歪。 显示更多行显示更多列改变列宽设置float列的精度数字格式化显示更改绘图方法配置info()的输出打印出当前设置并重置所有选项1. 显示更多行默认情况下,pandas 是不超出屏幕的免费信息发布网显示范围的,如果表的行数很多,它会截断中间的行只显示一部分。我们可以通过设置display.max_rows来控制显示的最大行数,比如我想设置显示200行。 pd.set_option(display.max_rows, 200) # pd.options.display.max_rows = 200如果行数超过了display.max_rows,那么display.min_rows将确定显示的部分有多少行。因为display.min_rows的默认行数为5,,下面例子只显示前5行和最后5行,中间的所有行省略。  
 同理,也可根据自己的习惯显示可显示的行数,比如10, 20.. pd.set_option(display.min_rows, 10) # pd.options.display.min_rows = 10还可以直接重置。 # 重置 pd.reset_option(display.max_rows)2. 显示更多列行可以设置,同样的列也可以设置,display.max_columns控制着可显示的列数,默认值为20。 pd.get_option(display.max_columns)  # pd.options.display.max_columns 20 
 3. 改变列宽pandas对列中显示的字符数有一些限制,默认值为50字符。所以,有的WordPress模板值字符过长就会显示省略号。如果想全部显示,可以设置display.max_colwidth,比如设置成500。 pd.set_option (display.max_colwidth,500) # pd.options.display.max_colwidth = 500 
 4. 设置float列的精度对于float浮点型数据,pandas默认情况下只显示小数点后6位。我们可以通过预先设置display.precision让其只显示2位,避免后面重复操作。 pd.set_option( display.precision,2) # pd.options.display.precision = 2 
 这个设置不影响底层数据,它只影响浮动列的显示。 5. 数字格式化显示pandas中有一个选项display.float_formatoption可以用来格式化任何浮点列。这个仅适用于浮点列,对于其他数据类型,必须将它们转换为浮点数才可以。 用逗号格式化大值数字例如 1200000 这样的大数字看起来很不方便,所以我们用逗号进行分隔。 pd.set_option(display.float_format,{:,}.format)  设置数字精度和上面display.precision有点类似,假如我们只关心小数点后的2位数字,我们可以这样设置格式化: pd.set_option(display.float_format, {:,.2f}.format)  百分号格式化如果我们要显示一个百分比的列,可以这样设置。 pd.set_option(display.float_format, {:.2f}%.format) 
 或者其它币种的符号等均可,只需要在大括号{}前后添加即可。 6. 更改绘图方法默认情况下,pandas使用matplotlib作为绘图后端。从 0.25 版本开始,pandas提供了使用不同后端选择,比如plotly,免费源码下载bokeh等第三方库,但前提是你需要先安装起来。 设置很简单,只要安装好三方库后,同样只需要一行。 import pandas as pd import numpy as np pd.set_option(plotting.backend, altair) data = pd.Series(np.random.randn(100).cumsum()) data.plot()7. 配置info()的输出pandas中我们经常要使用info()来快速查看DataFrame的数据情况。但是,info这个方法对要分析的最大列数是有默认限制的,并且如果数据集中有null,那么在大数据集计数统计时会非常慢。 pandas提供了两种选择: display.max_info_columns: 设置要分析的最大列数,默认为100。display.max_info_rows: 设置计数null时的阈值,默认为1690785。比如,在分析有 150 个特征的数据集时,我们可以设置display.max_info_columns为涵盖所有列的值,比如将其设置为 200: pd.set_option(display.max_info_columns, 200)在分析大型数据集时,df.info()由于要计算所有null,导致速度很慢。因此我们可以简单地设置display.max_info_rows为一个小的值来避免计数,例如只在行数不超过5时才计数null: pd.set_option(display.max_info_rows, 5)8. 打印出当前设置并重置所有选项pd.describe_option()将打印出设置的描述及其当前值。 pd.describe_option() 
 还可以打印特定的选项,例如,行显示。 # 具体的搜索 pd.describe_option(rows) 
 最后,我们还可以直接全部重置。 pd.reset_option(all)以上就是8个常用set_option的使用,下面进行了汇总,方便大家粘贴使用。 pd.set_option(display.max_rows,xxx) # 最大行数 pd.set_option(display.min_rows,xxx) # 最小显示行数 pd.set_option(display.max_columns,xxx) # 最大显示列数 pd.set_option (display.max_colwidth,xxx) #最大列字符数 pd.set_option( display.precision,2) # 浮点型精度 pd.set_option(display.float_format,{:,}.format) #逗号分隔数字 pd.set_option(display.float_format, {:,.2f}.format) #设置浮点精度 pd.set_option(display.float_format, {:.2f}%.format) #百分号格式化 pd.set_option(plotting.backend, altair) # 更改后端绘图方式 pd.set_option(display.max_info_columns, 200) # info输出最大列数 pd.set_option(display.max_info_rows, 5) # info计数null时的阈值 pd.describe_option() #展示所有设置和描述 pd.reset_option(all) #重置所有设置选项 |