pandas设置DataFrame最大显示行列及numpy数组完整输出
本文介绍如何在pandas中通过set_option配置display.max_rows和display.max_columns来完整显示DataFrame的所有行列，避免数据被省略。同时提供numpy数组使用set_printoptions设置threshold为np.inf以实现完整打印的方法，并包含抑制科学计数法的技巧。
2026-10-13
7
本文介绍如何在pandas中通过set_option配置display.max_rows和display.max_columns来完整显示DataFrame的所有行列，避免数据被省略。同时提供numpy数组使用set_printoptions设置threshold为np.inf以实现完整打印的方法，并包含抑制科学计数法的技巧。
在使用 pandas 读取 CSV 文件时，默认行为会将特定字符串（如 'NA'）转换为 NaN 缺失值。若需将 'NA' 视为有效数据层级而非缺失值，可通过设置 keep_default_na=False 来禁用默认转换列表。本文详解该参数的用法及注意事项，帮助开发者精准控制缺失值处理逻辑。
本文介绍如何在pandas中从包含字符串的单元格内提取特定子串。以titanic数据集为例，演示使用str.extract方法配合正则表达式从Name列提取Title并生成新列的操作流程，帮助读者掌握基础的数据清洗技巧。
本文详细介绍如何利用Python的pandas库对连续数据进行离散化处理。重点解析pd.cut和pd.qcut两个核心函数的用法：pd.cut通过指定分界点进行自定义分箱，支持调整区间开闭及自定义标签；pd.qcut则根据指定箱子数量进行等频分箱，确保各箱数据量一致。文章包含具体代码示例与结果分析，适用于数据预处理场景。
本文介绍了利用MATLAB和Python将TXT文本文件转换为Excel表格的两种常用方法。MATLAB可通过importdata和xlswrite函数直接处理；Python则提供了基于pandas DataFrame的便捷方式（需注意索引问题）以及使用xlrd和xlwt库进行底层操作的高级方案。文章提供了完整的代码示例及Windows环境下的依赖库安装指南，帮助开发者快速实现数据格式转换。
本文整理了8段高效Python数据清洗代码，涵盖删除多列、内存优化、分类变量数值化、缺失值检查、字符串清理及时间戳转换等核心场景。所有代码均封装为独立函数，无需修改参数即可直接复用，旨在帮助数据科学家和开发者快速提升数据处理效率。
本文介绍如何使用 Python 3.7 版本，结合 os 和 shutil 库进行文件操作，利用 Pandas 读取 Excel 中的门店与大区对应关系。通过 VLOOKUP 匹配逻辑，程序自动将二维码图片文件按所属小区名称分类并移动至指定文件夹，实现批量自动化管理。
本文详解pandas中利用isin函数进行范围筛选的正确用法，避免使用in导致的逻辑错误。通过WTGS_CODE与FAULT_CODE的组合示例，演示多条件筛选时括号使用的必要性，提供完整代码片段供参考。
本文详解如何利用Selenium技术抓取京东平台成人用品的产品信息与评论数据，并存入MongoDB数据库。通过对8934款产品及17万条评论的分析，揭示了销量领先的品牌分布、热门产品特征及购物节对销量的显著影响，为电商数据分析提供实战参考。
本文详解如何使用Python和Pandas库构建基于Item的简易推荐系统。通过加载MovieLens数据集，利用pivot_table生成用户-电影评分矩阵，并计算电影间的Pearson相关系数。文章涵盖数据清洗、阈值设定以过滤低评分数量电影，以及通过计算相似度进行电影推荐的具体代码实现与结果分析。
本文详解Python Pandas库中利用iloc、loc及icol选取特定列与行的方法。通过对比标签索引与位置索引的区别，解析切片操作后返回Series与DataFrame类型的差异，并演示多列数值计算的注意事项，帮助开发者避免常见类型错误。
本文详细介绍如何使用 pandas 的 drop 函数删除 DataFrame 中的指定行或列。通过设置 axis 参数区分操作对象，并重点讲解 inplace 参数在原地修改数据时的应用，同时提及不同 pandas 版本中参数用法的差异及注意事项。
