pandas-显示设置
| 参数名 | 作用 |
|---|---|
| describe_option() | 查看设置的参数列表 |
| pd.pandas.get_option('参数名', 参数值) | 获得设置参数 |
| pd.pandas.set_option('参数名', 参数值) | 设置相关显示选项 |
| pd.pandas.reset_option('参数名', 参数值) | 恢复默认相关选项 |
| max_rows | 最大显示行数 |
| max_columns | 最大显示列数 |
| max_colwidth | 单列数据宽度 |
| precision | 设置输出数据小数点的位数 |
| float_format | 数字格式化 |
describe_option()
pandas.describe_option(pat=None)
# 显示所有选项的描述信息
# 详细参考:
# https://pandas.pydata.org/docs/reference/api/pandas.describe_option.html#pandas-describe-option
print(pd.describe_option())
常用设置举例
display.width： # 数据显示区域的总宽度，以总字符数计算。
display.max_rows： # 最大显示行数，超过该值用省略号代替，为None时显示所有行。
display.max_columns：# 最大显示列数，超过该值用省略号代替，为None时显示所有列。
display.max_colwidth：# 单列数据宽度，以字符个数计算，超过时用省略号表示。
display.precision： # 设置输出数据小数点的位数。
display.expand_frame_repr：# 输出数据宽度超过设置宽度时，是否要折叠，False不折叠（通常选这个），True要折叠。
display.large_repr： # 当数据维度超过max_rows和max_columns时，设置数据的显示方式，参数值truncate显示带省略号的数据（默认方式）；
参数值info显示数据的统计信息，而不直接显示数据（info实际就是df.info()函数）。
display.max_info_columns：df.info()# 函数按列统计每列的非空数据个数，当数据很大时，计算过程非常慢，该参数设置最大列数，当数据表的列数小于该值时，才计算每列的非空值并输出，当超过该值时不进行计算。
display.show_dimensions：# 当大的数据以truncate（带引号的省略方式）显示时，是否在最后显示数据的维数，True是显示（默认），False是不显示。
get_option()
获取具体设置的结果
# importing the module
import pandas as pd
# fetching maximum number of
# columns that can be displayed
print("max_columns : " +str(pd.get_option("display.max_columns")))
# fetching maximum number of
# rows that can be displayed
print("max_rows : " +str(pd.get_option("display.max_rows")))
# fetching minimum number of
# rows that can be displayed
print("min_rows : " +str(pd.get_option("display.min_rows")))
max_columns : 0
max_rows : 60
min_rows : 10
# 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
定义显示行数和列数
pd.set_option('display.max_rows', None) # 显示所有行
pd.set_option('display.max_columns', None) # 显示所有列
pd.set_option('display.max_rows',5) # 设置最大行数
pd.set_option('display.max_columns',5) # 设置最大列数
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(5, 3))
pd.set_option("display.max_rows", 4)
print(df)
pd.set_option("display.max_rows", 3)
print(df)
pd.reset_option("display.max_rows")
print(df)
# 0 1 2
# 0 0.598994 1.370993 -1.197167
# 1 -0.815619 -0.859034 -0.670482
# .. ... ... ...
# 3 -0.451900 -0.773530 0.435744
# 4 0.769483 0.203758 -0.656397
# [5 rows x 3 columns]
# 0 1 2
# 0 0.598994 1.370993 -1.197167
# .. ... ... ...
# 4 0.769483 0.203758 -0.656397
# [5 rows x 3 columns]
# 0 1 2
# 0 0.598994 1.370993 -1.197167
# 1 -0.815619 -0.859034 -0.670482
# 2 0.662157 0.506859 -0.002152
# 3 -0.451900 -0.773530 0.435744
# 4 0.769483 0.203758 -0.656397
定义列宽
pd.set_option('max_colwidth', None) # 自定义列宽
pd.set_option('display.width', 80) # 横向最多显示多少个字符；
pd.set_option('expand_frame_repr', False) # 禁止换行
display.max_columns
display.max_colwidth
display.expand_frame_repr
字符对齐
# 字符对齐
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 获取输出数据宽度超过设置宽度时，表示是否对其要折叠，False不折叠，True要折叠。
pd.get_option('display.expand_frame_repr')
定义显示精度
pd.set_option( 'display.precision',2)
# pd.options.display.precision = 2
定义数字格式化
pd.set_option('display.float_format','{:,}'.format)
# 设置数字精度
pd.set_option('display.float_format', '{:,.2f}'.format)
# 百分号格式化
pd.set_option('display.float_format', '{:.2f}%'.format)
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(5, 3))
print(df)
pd.set_option( 'display.precision',2)
print(df)
pd.set_option('display.float_format', '{:.2f}%'.format)
print(df)
# 0 1 2
# 0 0.631399 -0.881408 1.719873
# 1 -0.609200 1.178595 -0.779754
# 2 0.810761 1.694978 -0.279431
# 3 0.632925 -0.753222 0.397152
# 4 -0.451243 0.431111 0.687484
# 0 1 2
# 0 0.63 -0.88 1.72
# 1 -0.61 1.18 -0.78
# 2 0.81 1.69 -0.28
# 3 0.63 -0.75 0.40
# 4 -0.45 0.43 0.69
# 0 1 2
# 0 0.63% -0.88% 1.72%
# 1 -0.61% 1.18% -0.78%
# 2 0.81% 1.69% -0.28%
# 3 0.63% -0.75% 0.40%
# 4 -0.45% 0.43% 0.69%
更改pandas默认绘图库
# 使用hvplot后端绘图（不使用matplotlib）
pd.options.plotting.backend = "hvplot"
参考资料
https://pandas.pydata.org/docs/user_guide/options.html 官网
https://www.jianshu.com/p/473ddefb6caf