Τα Panda εμφανίζουν όλες τις στήλες

Ta Panda Emphanizoun Oles Tis Steles



Όταν προσπαθούμε να δείξουμε τα περιεχόμενα ενός Pandas DataFrame στο εργαλείο Spyder, καταλήγουμε συχνά σε μια έξοδο που εμφανίζεται στο τερματικό αλλά έχει κάποιες κρυφές στήλες. Ενώ εκτυπώνετε ένα μακρύ Pandas DataFrame που ξεπερνά τον προκαθορισμένο αριθμό στηλών και γραμμών για εκτύπωση, το DataFrame περικόπτεται. Μερικές φορές, ο χρήστης χρειάζεται να δει το πλήρες DataFrame με όλες τις γραμμές και τις στήλες στην οθόνη εξόδου. Το Pandas έχει μια πολύ χρήσιμη συνάρτηση που ονομάζεται 'get_option()' που μας επιτρέπει να εξατομικεύουμε την οθόνη εξόδου και να λειτουργούμε χωρίς να χρησιμοποιούμε μη διαχειρίσιμες μορφές εξόδου. Η τιμή ορίζεται χρησιμοποιώντας τη μέθοδο 'set_option()'. Χρησιμοποιείται για τον καθορισμό του μέγιστου ορίου των σειρών και των στηλών που θα αποδοθούν απλώς διαμορφώνοντας την παράμετρο μέγιστων στηλών ή έναν συγκεκριμένο αριθμό στηλών σε 'Καμία'.

Μέθοδος Set_Option Pandas

Σήμερα, θα εξετάσουμε πώς να χρησιμοποιήσετε τη συνάρτηση 'pd.set_option()' για να εμφανίσετε όλες τις στήλες στο πλαίσιο δεδομένων Pandas όταν το παρουσιάζετε στο εργαλείο Spyder. Για να χρησιμοποιήσουμε το 'pd.set_option()', ακολουθούμε τη δεδομένη σύνταξη:


Ας αρχίσουμε να μαθαίνουμε την έννοια με τη βοήθεια της πρακτικής εφαρμογής του προγράμματος Python.







Παράδειγμα: Χρήση της μεθόδου Pandas Set_Option για την εμφάνιση όλων των στηλών

Αυτή η επίδειξη είναι ένας οδηγός για την εμφάνιση όλων των στηλών σε ένα DataFrame χρησιμοποιώντας το Pandas 'set_option()'. Θα καταστήσουμε σαφείς τις λεπτομέρειες κάθε βήματος για την υλοποίηση αυτής της μεθόδου Python.



Η πρώτη απαίτηση για την πρακτική εφαρμογή του σεναρίου Python είναι να βρείτε το καλύτερο εργαλείο όπου εκτελείτε το πρόγραμμά σας. Το εργαλείο που χρησιμοποιήσαμε για την απεικόνιση μας είναι το εργαλείο 'Spyder'. Ξεκινήσαμε το εργαλείο και αρχίσαμε να εργαζόμαστε πάνω στο σενάριο Python.



Ξεκινώντας με τον κώδικα, πρέπει αρχικά να εισάγουμε τις προαπαιτούμενες βιβλιοθήκες που χρειαζόμαστε σε αυτό το πρόγραμμα. Η πρώτη βιβλιοθήκη που φορτώσαμε στο αρχείο μας Python είναι η βιβλιοθήκη Pandas καθώς οι λειτουργίες που χρησιμοποιούμε εδώ παρέχονται από το Pandas. Δώσαμε το ψευδώνυμο αυτής της βιβλιοθήκης ως 'pd'. Η δεύτερη βιβλιοθήκη που φορτώσαμε είναι η βιβλιοθήκη NumPy. Το NumPy (Numerical Python) είναι ένα πακέτο αριθμητικών υπολογιστών που αναπτύχθηκε μέσω προγραμματισμού Python. Η ενότητα Εισαγωγή NumPy του κώδικα κατευθύνει την Python να ενσωματώσει τη λειτουργική μονάδα NumPy στο τρέχον αρχείο Python σας. Στη συνέχεια, το τμήμα 'as np' του σεναρίου δίνει εντολή στην Python να εκχωρήσει στο NumPy τη συντομογραφία 'np'. Σας δίνει τη δυνατότητα να χρησιμοποιήσετε τις μεθόδους NumPy εισάγοντας 'np.function_name' αντί για NumPy.





Τώρα, ξεκινάμε με τον κύριο κώδικα. Η κύρια και θεμελιώδης ανάγκη για το πρόγραμμά μας είναι το Pandas DataFrame. Έτσι, εμφανίζουμε όλες τις στήλες που περιέχει. Τώρα, εξαρτάται αποκλειστικά από εσάς εάν θέλετε να δημιουργήσετε ένα DataFrame με καθορισμένες τιμές ή εάν πρέπει να εισαγάγετε ένα αρχείο CSV. Αυτό που επιλέξαμε για αυτήν την περίπτωση είναι να δημιουργήσουμε ένα DataFrame με τιμές NaN. Χρησιμοποιήσαμε τη μέθοδο 'pd.DataFrame()' για να δημιουργήσουμε ένα DataFrame. Εδώ, δώσαμε δύο παραμέτρους - 'ευρετήριο' και 'στήλες'. Το όρισμα «index» αναφέρεται στις σειρές που σημαίνει ότι ορίσαμε τις σειρές για το DataFrame.

Εκχωρήσαμε την παράμετρο «index» και τη συνάρτηση NumPy «np.arange() με μέτρηση τιμών «6». Δημιουργεί έξι σειρές για το DataFrame. Γεμίζει όλες τις καταχωρήσεις με τιμές NaN αφού δεν του έχουμε δώσει καμία τιμή. Το όρισμα 'στήλες', όπως ορίζει το όνομα, χρησιμοποιείται για τον ορισμό των στηλών για το DataFrame. Επίσης, έχει εκχωρηθεί η συνάρτηση 'np.arange()' με μέτρηση τιμών '25' για τις στήλες. Έτσι, κατασκευάζει 25 στήλες για το DataFrame.



Κατά συνέπεια, όταν καλούμε τη συνάρτηση 'pd.DataFrame()', έχουμε ένα DataFrame με 25 στήλες και 6 σειρές γεμάτες με μηδενικές τιμές. Για την ανάγκη διατήρησης αυτού του DataFrame, απαιτείται να δημιουργήσουμε ένα αντικείμενο DataFrame που αποθηκεύει το περιεχόμενό του. Επομένως, δημιουργήσαμε ένα αντικείμενο DataFrame 'τυχαίο' και του εκχωρήσαμε το αποτέλεσμα που λαμβάνουμε από τη μέθοδο 'pd.DataFrame()'. Τώρα, σίγουρα θέλετε να δείτε τη δημιουργία του DataFrame. Η Python μας παρέχει μια μέθοδο για να προβάλουμε την έξοδο στην οθόνη που είναι η συνάρτηση «print()». Επικαλεστήκαμε αυτήν τη μέθοδο περνώντας το αντικείμενο DataFrame 'τυχαία' ως παράμετρό του.


Όταν εκτελούμε αυτό το απόσπασμα κώδικα, παίρνουμε το DataFrame μας με τιμές NaN να εμφανίζονται στο τερματικό. Εδώ, μπορούμε να παρατηρήσουμε ότι μερικές από τις πρώτες στήλες και μόνο μερικές από το τέλος είναι ορατές. Όλες οι ενδιάμεσες στήλες είναι περικομμένες. Από προεπιλογή, κρύβει ορισμένες από τις σειρές και τις στήλες για να αποφύγει τη δημιουργία απογοήτευσης για τον χρήστη εμφανίζοντας τεράστια σύνολα δεδομένων.


Μπορείτε ακόμη να ελέγξετε τον αριθμό των συνολικών στηλών σε ένα DataFrame χρησιμοποιώντας τη συνάρτηση «len()» των Pandas. Γράψτε τη συνάρτηση 'len()' στην κονσόλα του εργαλείου 'Spyder'. Γράψτε το όνομα του DataFrame ανάμεσα στις παρενθέσεις του με την ιδιότητα '.columns'. Μας επιστρέφει το συνολικό μήκος των στηλών στο DataFrame σας.


Επιστρέφει το μήκος του DataFrame μας που είναι 25.

Τώρα, η επόμενη και βασική εργασία είναι να αλλάξετε την προεπιλεγμένη επιλογή για εμφάνιση της εξόδου. Μπορεί να υπάρχουν περιπτώσεις όπου θέλετε να προβάλετε ολόκληρο το DataFrame στο τερματικό. Λόγω των προεπιλεγμένων τιμών, πολλές καταχωρήσεις περικόπτονται, γεγονός που προκαλεί την απογοήτευση του χρήστη. Εδώ θα μάθετε πώς να ξεπεράσετε αυτό το πρόβλημα. Το Pandas μας παρέχει μια συνάρτηση 'pd.set_option()' για να αλλάξουμε τις προεπιλεγμένες ρυθμίσεις εμφάνισης. Αμέσως μετά την εμφάνιση του DataFrame στην κονσόλα, επικαλούμαστε τη μέθοδο 'pd.set_option()'. Καθορίζουμε την παράμετρο μεταξύ των παρενθέσεων αυτής της συνάρτησης που πρέπει να χρησιμοποιήσουμε για να εμφανίσουμε όλες τις στήλες του DataFrame.

Εδώ, χρησιμοποιήσαμε το 'display.max_columns' για να εμφανίσουμε τις μέγιστες στήλες στο DataFrame μας. Μπορούμε επίσης να ορίσουμε την τιμή για αυτήν την παράμετρο, δηλαδή τις μέγιστες στήλες που θέλετε να εμφανίσετε. Από την άλλη, ορίσαμε το 'display.max_columns' σε 'None' που εμφανίζει όλες τις στήλες από το DataFrame με μέγιστο μήκος. Τέλος, χρησιμοποιήσαμε τη συνάρτηση 'print()' για να εμφανίσουμε το προκύπτον DataFrame με όλες τις στήλες ορατές στο τερματικό.


Όταν πατήσουμε την επιλογή 'Εκτέλεση αρχείου' στο εργαλείο 'Spyder', μπορούμε να δούμε ένα DataFrame που εκτίθεται. Αυτό το DataFrame έχει έξι σειρές και ο αριθμός των στηλών που διατηρεί είναι 25. Δεν υπάρχουν στήλες που να είναι περικομμένες αφού η συνάρτηση 'pd.set_option()' με μέγιστο μήκος στήλης είναι τώρα ενεργοποιημένη.


Μπορούμε ακόμη και να επαναφέρουμε την επιλογή εμφάνισης επειδή μόλις ρυθμίσουμε το μήκος εμφάνισης στο μέγιστο, συνεχίζει να εμφανίζει τα DataFrames με όλες τις στήλες μέσα στο συγκεκριμένο αρχείο Python. Για αυτό, χρησιμοποιούμε τα Pandas 'pd.reset_option()'. Καλούμε αυτήν τη συνάρτηση και παρέχουμε το 'display.max_columns' ως παράμετρο αυτής της συνάρτησης.


Αυτό μας δίνει τις αρχικές ρυθμίσεις εμφάνισης για το παρεχόμενο DataFrame.

συμπέρασμα

Η προβολή της πλήρους εξόδου στο τερματικό με ένα τεράστιο σύνολο δεδομένων μας δημιουργεί μερικές φορές σε μπελάδες όταν οι προεπιλεγμένες ρυθμίσεις του εργαλείου έρχονται σε αντίθεση με τις ανάγκες του χρήστη. Για να επιλύσουμε αυτήν την αποτυχία, το Pandas μας δίνει τη μέθοδο 'pd.set_option()'. Σε αυτόν τον οδηγό εκμάθησης, σας παρουσιάσαμε αυτή τη μέθοδο και την ανάγκη να την χρησιμοποιήσετε. Δείξαμε το θέμα με τους πρακτικά μεταγλωττισμένους και εκτελεσμένους δειγματοληπτικούς κώδικες Python. Αποδώσαμε τα αποτελέσματα της εικονογράφησης που πραγματοποιήθηκε στο 'Spyder'. Εξηγήσαμε πώς να εμφανίζονται όλες οι στήλες του DataFrame στην κονσόλα αλλάζοντας τις προεπιλεγμένες ρυθμίσεις καθώς και επαναφέροντας όλες τις ρυθμίσεις στο αρχικό. Δίνοντας πλήρως εστιασμένη προσοχή στην πρακτική εφαρμογή της ενότητας, μπορείτε να τη χρησιμοποιείτε κάθε φορά που αντιμετωπίζετε τέτοιο πρόβλημα.