Vizualizarea datelor este tehnica folosită pentru a oferi informații despre date folosind indicii vizuale, cum ar fi grafice, diagrame, hărți și multe altele. Acest lucru este util deoarece ajută la înțelegerea intuitivă și ușoară a cantităților mari de date și, prin urmare, la luarea unor decizii mai bune cu privire la acestea. Când folosim un număr mare de tipărire a unui set de date, acesta se trunchiază. În acest articol, vom vedea cum să tipărim întregul Pandas Dataframe sau Serii fără trunchiere.
Imprimați un întreg Pandas DataFrame în Python
În mod implicit, cadrul de date complet nu este tipărit dacă lungimea depășește lungimea implicită, rezultatul este trunchiat după cum se arată mai jos:
Python3
import> numpy as np> from> sklearn.datasets>import> load_iris> import> pandas as pd> # Loading irirs dataset> data>=> load_iris()> df>=> pd.DataFrame(data.data,> >columns>=> data.feature_names)> display(df)> |
>
>
Ieșire:
Sunt 4 metode de a imprima întregul cadru de date panda:
- Utilizați metoda to_string().
- Utilizați metoda pd.option_context().
- Utilizați metoda pd.set_options().
- Utilizați metoda pd.to_markdown().
Metoda 1: Folosind to_string()
Deși această metodă este cea mai simplă dintre toate, nu este recomandabilă pentru seturi de date foarte mari (de ordinul milioanelor), deoarece convertește întregul cadru de date într-un obiect șir, dar funcționează foarte bine pentru cadre de date pentru dimensiuni de ordinul a miilor.
Sintaxă: DataFrame.to_string(buf=None, columns=None, col_space=None, header=True, index=True, na_rep='NaN', formatters=None, float_format=None, index_names=True, justify=None, max_rows=None, max_cols=Niciuna, show_dimensions=Fals, zecimal='.', line_width=Niciuna)
Exemplu: În acest exemplu, folosimload_iris>funcția de la scikit-learn pentru a încărca setul de date Iris, apoi creează un Pandas DataFrame (df>) care conține caracteristicile setului de date și, în final, convertește întregul DataFrame într-o reprezentare șir folosind to_string()> și îl afișează.
Python3
import> numpy as np> from> sklearn.datasets>import> load_iris> import> pandas as pd> data>=> load_iris()> df>=> pd.DataFrame(data.data,> >columns>=> data.feature_names)> # Convert the whole dataframe as a string and display> display(df.to_string())> |
c# exemplu de cod
>
>
Ieșire:
Metoda 2: Utilizarea pd.option_context()
Pandas permit modificarea setărilor prin intermediul context_opțiune() metoda si set_option() metode. Ambele metode sunt identice cu o diferență că mai târziu se schimbă setările permanent, iar prima o face doar în domeniul managerului de context.
Sintaxa: pandas.option_context(*args)
Exemplu: În acest exemplu, folosim setul de date Iris de la scikit-learn, creăm un panda DataFrame (df>) cu opțiuni de formatare specificate și imprimă DataFrame într-un context temporar în care setările de afișare, cum ar fi rândurile, coloanele și precizia maxime, sunt modificate numai pentru domeniul local.
Python3
descărcare xvideoservicethief ubuntu 14.04
import> numpy as np> from> sklearn.datasets>import> load_iris> import> pandas as pd> data>=> load_iris()> df>=> pd.DataFrame(data.data,> >columns>=> data.feature_names)> # The scope of these changes made to> # pandas settings are local to with statement.> with pd.option_context(>'display.max_rows'>,>None>,> >'display.max_columns'>,>None>,> >'display.precision'>,>3>,> >):> >print>(df)> |
>
>
Ieșire:
Metoda 3: Utilizarea pd.set_option()
Această metodă este similară cu metoda pd.option_context() și ia aceiași parametri ca cei discutați pentru metoda 2, dar spre deosebire de pd.option_context() este domeniul de aplicare și efectul este asupra întregului script, adică toate setările cadrelor de date sunt modificate permanent
Pentru a reseta în mod explicit valoarea de utilizare pd.reset_option(‘toate’) trebuie utilizată metoda pentru a anula modificările.
Sintaxa: pandas.set_option(pat, valoare)
Exemplu: Acest cod modifică opțiunile globale de afișare a panda pentru a afișa toate rândurile și coloanele cu lățime și precizie nelimitate pentru DataFrame-ul dat (df>). Apoi resetează opțiunile la valorile implicite și afișează din nou DataFrame, ilustrând restaurarea setărilor implicite.
Python3
import> numpy as np> from> sklearn.datasets>import> load_iris> import> pandas as pd> data>=> load_iris()> df>=> pd.DataFrame(data.data,> >columns>=> data.feature_names)> # Permanently changes the pandas settings> pd.set_option(>'display.max_rows'>,>None>)> pd.set_option(>'display.max_columns'>,>None>)> pd.set_option(>'display.width'>,>None>)> pd.set_option(>'display.max_colwidth'>,>->1>)> # All dataframes hereafter reflect these changes.> display(df)> print>(>'**RESET_OPTIONS**'>)> # Resets the options> pd.reset_option(>'all'>)> display(df)> |
>
>
Ieșire:
Metoda 4: Folosind to_markdown()
Această metodă este similară cu metoda to_string() deoarece, de asemenea, convertește cadrul de date într-un obiect șir și, de asemenea, îi adaugă stil și formatare.
Sintaxa: DataFrame.to_markdown(buf=None, mode=’wt’, index=True,, **kwargs)
Exemplu: Acest cod folosește setul de date Iris de la scikit-learn pentru a crea un panda DataFrame (df>), apoi tipărește o reprezentare Markdown formatată a DataFrame folosind to_markdown()>metodă .
gestionarea excepțiilor java
Python3
import> numpy as np> from> sklearn.datasets>import> load_iris> import> pandas as pd> data>=> load_iris()> df>=> pd.DataFrame(data.data,> >columns>=>data.feature_names)> # Converts the dataframe into str object with formatting> print>(df.to_markdown())> |
>
>
Ieșire: