【pandas小技巧】--DataFrame的显示参数

蒙哥仔

我们在jupyter notebook中使用pandas显示DataFrame的数据时，
由于屏幕大小，或者数据量大小的原因，常常会觉得显示出来的表格不是特别符合预期。
这时，就需要调整pandas显示DataFrame的方式。
pandas为我们提供了很多调整显示方式的参数，具体参见文末附录中的链接。
本篇介绍几个我经常用到的参数来抛砖引玉。
1. 参数的相关函数

对于参数的控制，pandas提供了完整的方法。

• describe_option：获取参数的描述信息
  
• get_option：获取参数的值
  
• set_option：设置参数的值
  
• reset_option：重置参数的值，也就是将参数恢复到默认值
  

以 max_columns（显示最大的列数）为例，演示上面各个函数的使用：

1. import pandas as pd
3. pd.describe_option("display.max_columns")

复制代码

这里显示了 max_columns参数的详细信息，包括默认值和当前的值。
我们先设置此参数的值，然后再获取值看看：

1. pd.set_option("display.max_columns", 10)
2. pd.get_option("display.max_columns")
4. # 运行结果>>>
5. # 10

复制代码

max_columns参数的值变成了10。
最后重置此参数的值：

1. pd.reset_option("display.max_columns")
2. pd.get_option("display.max_columns")
4. # 运行结果>>>
5. # 20

复制代码

max_columns参数的值又恢复成了20。
上面这4个函数是我们设置参数的过程进程会用到的，
下面演示几个常用参数的设置后的效果。
2. 行列相关的参数

控制行列相关的参数，多数情况是为了让数据能够更好的显示在屏幕上。
我比较常用的有以下三个：
2.1. max_rows

控制显示的最大行数。
随机生成一个20行的数据，max_rows的默认值是60，所以20行数据会全部显示出来。

1. df = pd.DataFrame(np.random.rand(20, 4))
2. df.columns = list("ABCD")
3. df

复制代码

如果需要截一个数据概要的图，20行就太多了，可以设置显示的函数少一些。

1. pd.set_option("display.max_rows", 10)
2. df

复制代码

设置之后，显示前后5行，中间的用省略号（...）表示。
2.2. max_columns

这个参数是控制显示的最大列数。

1. df = pd.DataFrame(np.random.rand(5, 14))
2. df.columns = list("ABCDEFGHIJKLMN")
3. df

复制代码

显示很长，屏幕窄的话会出现滚动条。
设置 max_columns=5

1. pd.set_option("display.max_columns", 5)
2. df

复制代码

2.3. max_colwidth

这个参数是设置单个列的宽度的，如果某个列的内容太长，可以用这个参数来控制。
比如：

1. df = pd.DataFrame({
2.     "ID": [1, 2, 3 ],
3.     "title": ["title01", "title02",
4.               "long long long long long title"],
5. })
6. df

复制代码

某个特别长的值会将列的宽度撑大，如果列比价多的时候，会浪费显示的空间。
通过 max_colwidth 调整列的最大宽度。

1. pd.set_option("display.max_colwidth", 10)
2. df

复制代码

设置最多显示10个字符，这样，显示起来没有那么突兀了。
3. 数值精度的参数

除了行列的调整，还有一种就是数值精度的调整。
数值精度的调整有个好处是不用修改原始数据，只是控制它显示出来的样子。
3.1. precision

precision是调整数据显示的精度的参数。
调整前：

1. df = pd.DataFrame(np.random.rand(3, 4))
2. df.columns = list("ABCD")
3. df

复制代码

调整后：

1. pd.set_option("display.precision", 2)
2. df

复制代码

3.2. float_format

float_format也是调整精度的，不过更加灵活，还可以控制格式化显示效果。
调整前：

1. df = pd.DataFrame(np.random.rand(3, 4))
2. df.columns = list("ABCD")
3. df

复制代码

调整后：

1. pd.set_option("display.float_format",
2.               "{:.2%}".format)
3. df

复制代码

直接转换成百分比方式显示，比precision更加直观。
3.3. chop_threshold

chop_threshold 帮助我们在显示时忽略掉不关注的数据。
比如：

1. df = pd.DataFrame(np.random.rand(3, 4))
2. df.columns = list("ABCD")
3. df

复制代码

对于0.9以下的数据，我们不太关心，那么：

1. pd.set_option("display.chop_threshold", 0.9)
2. df

复制代码

这样，0.9以下的数据都显示成0，便于我们观察有多少有效数据。
注意：这里调整的都是数据显示出来的样子，数据实际并没有改变。
比如上面很多显示为 0.0 的数据，在 df 中并不是0.0，还是原来的值。
4. 补充

pandas中能够调整参数还有很多，具体可以参考：
https://pandas.pydata.org/pandas-docs/version/1.5/reference/api/pandas.describe_option.html

来源:https://www.cnblogs.com/wang_yb/p/17650535.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！