Метод Pandas Set_Option
Сегодня мы рассмотрим, как использовать функцию «pd.set_option()» для отображения всех столбцов в кадре данных Pandas при представлении его в вашем инструменте Spyder. Чтобы использовать «pd.set_option()», мы следуем данному синтаксису:
Давайте начнем изучение концепции с помощью практической реализации программы Python.
Пример: использование метода Set_Option Pandas для отображения всех столбцов
Эта демонстрация представляет собой руководство по отображению всех столбцов в DataFrame с использованием Pandas «set_option ()». Мы проясним детали каждого шага реализации этого метода Python.
Первое требование для практической реализации сценария Python — найти лучший инструмент, в котором вы выполняете свою программу. Инструмент, который мы использовали для нашей иллюстрации, — это инструмент «Spyder». Мы запустили инструмент и начали работать над скриптом Python.
Начиная с кода, нам изначально нужно импортировать необходимые библиотеки, которые нам нужны в этой программе. Первая библиотека, которую мы загрузили в наш файл Python, — это библиотека Pandas, поскольку функции, которые мы здесь используем, предоставляются Pandas. Мы назвали эту библиотеку псевдонимом «pd». Вторая библиотека, которую мы загрузили, — это библиотека NumPy. NumPy (Numerical Python) — это пакет для числовых вычислений, разработанный на основе программирования Python. Раздел кода Import NumPy предписывает Python интегрировать модуль NumPy в ваш текущий файл Python. Затем часть сценария «as np» указывает Python назначить NumPy аббревиатуру «np». Это позволяет вам использовать методы NumPy, введя «np.function_name» вместо NumPy.
Теперь начнем с основного кода. Главной и фундаментальной потребностью нашей программы является Pandas DataFrame. Таким образом, мы отображаем все содержащиеся в нем столбцы. Теперь вам решать, хотите ли вы создать DataFrame с указанными значениями или вам нужно импортировать CSV-файл. Для этого экземпляра мы выбрали создание DataFrame со значениями NaN. Мы вызвали метод «pd.DataFrame()» для создания DataFrame. Здесь мы предоставили два параметра — «индекс» и «столбцы». Аргумент «индекс» относится к строкам, что означает, что мы устанавливаем строки для DataFrame.
Мы присвоили параметру «index» и функции NumPy «np.arange()» значение счетчика «6». Он генерирует шесть строк для DataFrame. Он заполняет все записи значениями NaN, поскольку мы не предоставили ему никакого значения. Аргумент «columns», как следует из названия, используется для установки столбцов для DataFrame. Ему также назначается функция «np.arange()» с количеством значений «25» для столбцов. Таким образом, он создает 25 столбцов для DataFrame.
Следовательно, когда мы вызываем функцию «pd.DataFrame()», у нас есть DataFrame с 25 столбцами и 6 строками, заполненными нулевыми значениями. Для необходимости сохранить этот DataFrame нам необходимо создать объект DataFrame, в котором хранится его содержимое. Поэтому мы создали объект DataFrame «случайно» и присвоили ему результат, который мы получаем от метода «pd.DataFrame()». Теперь вы наверняка хотите увидеть, как создается DataFrame. Python предоставляет нам метод для просмотра вывода на экране, который представляет собой функцию «print ()». Мы вызвали этот метод, передав объект DataFrame «случайный» в качестве его параметра.
Когда мы выполняем этот фрагмент кода, мы получаем наш DataFrame со значениями NaN, отображаемыми на терминале. Здесь мы можем заметить, что видны некоторые из первых столбцов и только несколько с конца. Все промежуточные столбцы усекаются. По умолчанию он скрывает некоторые строки и столбцы, чтобы не раздражать пользователя отображением огромных наборов данных.
Вы даже можете проверить общее количество столбцов в DataFrame, используя функцию «len ()» Pandas. Напишите функцию «len()» на консоли вашего инструмента «Spyder». Напишите имя DataFrame между скобками со свойством «.columns». Он возвращает нам общую длину столбцов в вашем DataFrame.
Он возвращает длину нашего DataFrame, которая равна 25.
Теперь следующая и основная задача — изменить параметр по умолчанию для отображения вывода. Могут быть обстоятельства, когда вы хотите просмотреть весь DataFrame на терминале. Из-за значений по умолчанию многие записи усекаются, что вызывает разочарование у пользователя. Здесь вы узнаете, как решить эту проблему. Pandas предоставляет нам функцию «pd.set_option()» для изменения настроек отображения по умолчанию. Сразу после отображения DataFrame на консоли мы вызываем метод «pd.set_option()». Мы указываем параметр в скобках этой функции, который нам нужно использовать для отображения всех столбцов DataFrame.
Здесь мы использовали display.max_columns для отображения максимального количества столбцов в нашем DataFrame. Мы также можем определить значение для этого параметра, то есть максимальное количество столбцов, которые вы хотите отобразить. Мы, с другой стороны, устанавливаем «display.max_columns» на «Нет», что показывает все столбцы из DataFrame с максимальной длиной. Наконец, мы использовали функцию «print()» для отображения результирующего DataFrame со всеми столбцами, видимыми на терминале.
Когда мы выбираем опцию «Запустить файл» в инструменте «Spyder», мы можем просматривать отображаемый DataFrame. Этот DataFrame имеет шесть строк, а количество содержащихся в нем столбцов — 25. Нет столбцов, которые усекаются, поскольку теперь включена функция «pd.set_option()» с максимальной длиной столбца.
Мы даже можем сбросить параметр отображения, потому что, как только мы установим максимальную длину отображения, он продолжит отображать кадры данных со всеми столбцами в этом конкретном файле Python. Для этого мы используем Pandas «pd.reset_option ()». Мы вызываем эту функцию и предоставляем «display.max_columns» в качестве параметра этой функции.
Это дает нам начальные настройки отображения для предоставленного DataFrame.
Вывод
Просмотр полного вывода на терминале с огромным набором данных иногда вызывает у нас проблемы, когда настройки инструмента по умолчанию противоречат потребностям пользователя. Чтобы решить эту проблему, Pandas предоставляет нам метод «pd.set_option()». В этом учебном пособии мы познакомили вас с этим методом и необходимостью его применения. Мы продемонстрировали эту тему на практически скомпилированных и выполненных примерах кода Python. Мы визуализировали результаты иллюстрации, выполненной на «Спайдере». Мы объяснили, как отобразить все столбцы DataFrame на консоли, изменив настройки по умолчанию, а также сбросив все настройки на исходные. Уделение полного внимания практической реализации модуля позволяет вам использовать его всякий раз, когда вы сталкиваетесь с такими проблемами.