Pandas中八个常用option设置的示例详解

前言

在使用Pandas进行交互式表格（DataFrame）展示与分析时，默认的表格格式往往不够友好。为了获得更清晰的视觉效果，合理的格式配置显得尤为重要。

这些显示痛点可以通过Pandas的option机制轻松解决。只需编写少量代码进行预先配置，即可实现全局生效，无需重复操作，极大提升使用体验。

# 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

本文整理了8个高频使用的配置选项，供读者参考。掌握这些代码片段后，下次可直接复制粘贴使用，显著提升工作效率。

• 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会限制表格在屏幕内的显示范围。当数据行数过多时，系统会自动截断中间部分，仅显示首尾少量行。通过设置display.max_rows参数，可以控制允许显示的最大行数，例如将其设置为200。

pd.set_option('display.max_rows', 200)
# pd.options.display.max_rows = 200

当实际行数超过display.max_rows设定的阈值时，display.min_rows参数将决定具体显示多少行。由于display.min_rows默认值为5，因此示例中仅展示前5行和最后5行，中间数据以省略号形式隐藏。

用户可根据个人习惯自定义显示行数，例如设置为10或20等数值。

pd.set_option('display.min_rows', 10)
# pd.options.display.min_rows = 10

此外，还可以直接执行重置操作恢复默认设置。

# 重置
pd.reset_option('display.max_rows')

2. 显示更多列

与行数控制类似，列数也可通过display.max_columns参数进行控制，其默认值为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量设有默认限制，通常为50个字符。若单元格内容过长，超出部分将显示为省略号。若需完整显示所有字符，可调整display.max_colwidth参数，例如将其设置为500。

pd.set_option ('display.max_colwidth',500)
# pd.options.display.max_colwidth = 500

4. 设置float列的精度

对于浮点型（float）数据，Pandas默认仅保留小数点后6位。通过预先设置display.precision，可以指定显示的位数，例如仅显示2位，从而避免后续重复配置。

pd.set_option( 'display.precision',2)
# pd.options.display.precision = 2

需注意，该设置仅影响浮点列的视觉展示，不会改变底层数据的实际精度。

5. 数字格式化显示

Pandas提供了display.float_format选项，用于格式化所有浮点列。该选项仅适用于浮点类型，若需对其他数据类型应用此格式，必须先将其转换为浮点数。

用逗号格式化大值数字

例如，数值1200000直接显示较为不便，通过添加逗号分隔符可提升可读性。

pd.set_option('display.float_format','{:,}'.format)

设置数字精度

此功能与display.precision类似。若仅需关注小数点后2位，可通过以下方式进行格式化设置。

pd.set_option('display.float_format',  '{:,.2f}'.format)

百分号格式化

若需展示百分比数据，可进行如下配置。

pd.set_option('display.float_format', '{:.2f}%'.format)

同样地，也可添加其他货币符号等前缀或后缀，只需在大括号{}前后添加相应字符即可。

6. 更改绘图方法

默认情况下，Pandas使用matplotlib作为绘图后端。自0.25版本起，Pandas支持切换至其他后端，如plotly、bokeh等第三方库，但前提是需要预先安装这些库。

配置过程十分简便，安装好第三方库后，仅需一行代码即可完成切换。

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

在Pandas中，经常使用info()方法快速查看DataFrame的数据概况。然而，该方法对分析的最大列数存在默认限制。此外，若数据集中包含null值，在大数据集上进行计数统计时会导致速度显著变慢。

Pandas提供了两种相关配置选项：

• display.max_info_columns：用于设置分析的最大列数，默认值为100。
• display.max_info_rows：用于设置计数null值时的行数阈值，默认值为1690785。

例如，在分析包含150个特征的数据集时，可将display.max_info_columns设置为涵盖所有列的值，如200。

pd.set_option('display.max_info_columns', 200)

在处理大型数据集时，df.info()因需计算所有null值而导致运行缓慢。因此，可将display.max_info_rows设置为较小值以跳过计数，例如仅在行数不超过5时才进行null值统计。

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()函数将打印出当前配置的描述及其具体数值。

pd.describe_option()

用户还可以查询特定选项，例如关于行显示的详细设置。

# 具体的搜索
pd.describe_option('rows')

最后，可以直接执行重置操作，恢复所有选项为默认状态。

pd.reset_option('all')

以上介绍了8个常用set_option的使用方法，下方进行了汇总，方便用户直接复制使用。

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

以上就是Pandas中八个常用option设置的示例详解的详细内容，更多关于Pandas option设置的资料请关注本站其它相关文章！