Pandas Afficher toute la colonne

Les pandas nous donnent une méthode vraiment simple «get_option ()» par laquelle nous pouvons personnaliser et modifier l'écran de résultat tout en travaillant sans utiliser de grands formats de sortie. Le «set_option» est utilisé pour définir les valeurs à partir desquelles nous pouvons afficher les colonnes et les lignes maximales à partir d'une grande quantité de données. En utilisant «Affichage.Max_Columns »Dans cet article, nous pouvons trouver la quantité maximale de colonnes en même temps. Une troisième fonction appelée «colonne.Valeurs.Tolist () ”est appliqué pour simplement récupérer une liste des noms des colonnes maximales dans le dataframe donné.

La syntaxe pour afficher toutes les colonnes en utilisant la méthode set_option ()

La syntaxe ci-dessus est utilisée pour afficher toutes les colonnes d'une grande dataframe simultanément.

La syntaxe pour afficher toutes les colonnes en utilisant la méthode get_option ()

Exemple 1: Affichage de toutes les colonnes du DataFrame en utilisant Python Pandas set_option ()

Nous allons utiliser Python Pandas «set_option ()» pour afficher toutes les colonnes de notre DataFrame. La quantité de colonnes affichées par défaut peut être modifiée à l'aide de "set_option ()" via l'utilisation de "set_option (" Affichage.max colonnes ", aucun)". Nous pouvons également afficher toutes les lignes de notre DataFrame en utilisant "set_option ()". Nous utiliserons l'outil «Spyder» qui est utilisé pour exécuter la programmation Python Pandas pour implémenter ce code.

Avant d'exécuter le code, nous devons importer deux bibliothèques de Panda. Tout d'abord, nous importons la bibliothèque de Panda en tant que «PD» et pour le second, nous importons Numpy comme «NP». Un module Python appelé «Numpy» apporte des réseaux de numpy massifs et multivariés ainsi qu'un nombre considérable de procédures mathématiques sophistiquées qui peuvent être effectuées sur ces tableaux. L'abréviation de Numpy est le «python numérique». Sa fonction principale est d'exécuter des opérations mathématiques.

La création de notre dataframe vient ensuite. Cependant, contrairement aux données de données de l'exemple précédent, nous n'ajouterons pas les noms de colonnes spécifiques et les valeurs précises à ces colonnes dans ce cas. Ici, nous créons notre dataframe en utilisant des valeurs «nan». Par conséquent, nous utiliserons les deux arguments «index» et «colonnes» pour générer notre énorme dataframe. Lors de l'ajout de lignes ou de colonnes à un dataframe, les fonctions «index = np.arange () ”et« colonnes = np.arange () »incluent le nombre de lignes et de colonnes. Respectivement, toutes les lignes de DataFrame sont contenues dans les lignes et toutes ses colonnes transportant des valeurs «nan» sont contenues dans les colonnes.

En utilisant les paramètres SET_OPTION «Index» et «Colonne», nous avons pris des lignes «3» et des colonnes «25». Le dataframe de cet exemple est appelé «DF». Par conséquent, pour créer le dataframe, nous utilisons «PD.trame de données". Après cela, nous utiliserons la fonction «print ()» pour afficher notre DataFrame.

Maintenant, nous atteignons la fonction principale de notre programme où nous devons afficher toutes les colonnes de notre DataFrame. Pour cela, nous utilisons «Affichage.Max_Columns "avec" set_option ". Cette technique montrera toutes les «25» colonnes et les lignes «3» de nos valeurs de données contenant des valeurs «nan» parce que nous utilisons la valeur «nan» de nos colonnes. De l'autre côté, nous définissons «Affichage.Max_Columns "à" Aucun "qui affichera toutes les colonnes de DataFrame, quelle que soit la longueur réelle. «Aucun» est utilisé pour déterminer si des informations sont manquantes; Ces valeurs sont représentées comme «nan» ou «aucun». Maintenant, nous allons afficher nos colonnes en utilisant la fonction «print ()».

L'exécution de ce code obtiendra le résultat dans sa sortie. Ici, nous pouvons voir que le cadre initial comprenant des valeurs «nan» est affiché. Comme nous pouvons le voir, certaines colonnes ont été affichées au début et certaines colonnes à la fin. En raison de la conduite par défaut, les colonnes moyennes sont manquantes dans la première trame. L'ordre des matrices est ensuite affiché dans la ligne suivante, ce qui signifie qu'il a des lignes «3» et des colonnes «25». Le deuxième DataFrame affiche toutes les colonnes en utilisant «set_options» deux paramètres, «index» et «colonnes». En utilisant cela, nous pouvons vérifier sans aucun doute qu'il affiche tout «25» des colonnes dans notre DataFrame. L'indice passe de «0 à 24», ce qui signifie qu'il y a des colonnes «25» au total.

Exemple 2: Affichage de tous les noms de colonnes du DataFrame en utilisant des colonnes.valeurs.pour lister () Technique

Nous démontrerons toutes nos colonnes de DataFrame dans la mousse de liste dans cet exemple. En utilisant cette procédure dans Python, vous pouvez acquérir les noms de colonne à partir d'un Pandas DataFrame, puis passer le résultat en tant que liste. Semblable au dernier DataFrame, celui-ci est également créé en important deux bibliothèques Panda en tant que «PD» et Numpy comme «NP». Commençons par générer notre DataFrame. Le nom de DataFrame est «DF». Nous utilisons deux attributs «index» et «colonnes» dans ce cas pour ajouter des lignes et des colonnes au dataframe. Des lignes sont ajoutées en utilisant le «index = np.arange () ”, tandis que les colonnes sont ajoutées en utilisant la« colonne = np.arange () ".

Puisque nous n'allons pas répertorier ces colonnes, nous utilisons les valeurs «nan». Donc, nous utilisons «NP» ici. En utilisant des fonctions d'index et de colonne, nous ajoutons des lignes «5» et des colonnes «20» à ce DataFrame. En réponse, il utilisera «PD.dataframe »pour créer notre dataframe. Maintenant que nous avons entré la partie principale du code, nous utiliserons le «DF.colonne.Méthode Tolist »pour afficher chaque nom de chaque colonne de notre DataFrame. Cette fonction sera initialisée comme «DF1». Nous allons maintenant imprimer cette fonction pour afficher une liste des colonnes de DataFrame.

Comme nous pouvons le voir, cette liste des noms de colonnes dans la sortie affiche toutes les «20» Colonnes Nom List. Ce DataFrame a «20» colonnes à partir de «0» et se terminant à «19». Parce que nous avons utilisé index = np et colonne = np, les noms des colonnes s'affichent par défaut sous la forme de nombres. La signification de «None» dans ce cas est que la sortie comprend tous les noms de colonne possibles.

Exemple 3: Affichage de toutes les colonnes maximales du dataframe en utilisant la méthode get_option ()

Dans ce cas, la colonne maximale du DataFrame est affichée en utilisant la méthode "get_option ()". «Set_option ()» et «get_option ()» sont souvent utilisés chaque fois que nous avons une grande quantité de données dans notre DataFrame, telles que les enregistrements de base de données de toute école ou bureau, pour afficher toutes les colonnes clairement à l'écran. Les valeurs d'entrée sont obtenues à l'aide de la méthode "get_option ()" et la valeur de l'option d'entrée est définie à l'aide de la méthode "set_option ()".

Identique au dernier exemple, nous générons une dataframe avec des valeurs «nan». Puisque nous avons besoin d'un tas de contenu, nous pouvons également charger un fichier «CSV» dans le dataframe, mais cette méthode est plus simple. De même, nous utiliserons «index» et «colonnes» pour ajouter des lignes et des colonnes à notre dataframe. «Index = np.Arange (5) "indique que nous avons ajouté des lignes" 5 "à notre dataframe et à la" colonne = np.Arange (32) »montre que nous prenons des colonnes« 32 »dans notre DataFrame. Maintenant, il est équipé pour éliminer sa tâche principale de montrer chaque colonne dans le DataFrame de taille importante. Nous pouvons obtenir toutes les colonnes en invoquant la «Get_Option (affichage.Colonnes max ») Méthode. D'un autre côté, «aucun» signifie qu'après avoir exécuté le code, l'écran affichera le nombre maximum de colonnes. Suite à cette procédure, le dataframe est maintenant affiché dans les images source à l'aide de la fonction «print ()».

La sortie est facilement visible dans l'image; Il affiche toutes les colonnes de DataFrame. Le DataFrame a des lignes «5» et des colonnes «32» avec des valeurs «nan».

Conclusion

Il peut parfois être difficile de gérer une énorme quantité d'ensembles de données. Pour générer des dataframes, les colonnes sont d'abord créées, puis la liste des valeurs est ajoutée. Pour faciliter le processus, «l'index et la« colonne »à deux paramètres sont utilisés dans cet article pour ajouter des lignes et des colonnes. Le nombre maximum de colonnes à partir du dataframe peut être affiché en utilisant deux techniques distinctes «set_option (affichage.Max_Columns) "et" get_option (affichage.Max_Columns) ". Les «set_option» et «get_option» sont utilisés pour afficher une énorme quantité de données à l'écran. Vous pouvez utiliser une ou toutes ces deux méthodes, selon ce dont vous avez besoin pour être accompli.