Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Загрузка образца DataFrame Pandas
  • Поиск значений по умолчанию для количества столбцов/строк, отображаемых Pandas
  • Как указать количество столбцов для отображения в таблице данных Pandas
  • Как показать все строки в таблице данных Pandas
  • Как указать количество строк для отображения в таблице данных Pandas
  • Как сбросить параметры отображения в Pandas
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Pandas

Отображение всех столбцов и строк в DataFrame Pandas

PreviousПодсчёт уникальных значений в PandasNextPandas to_excel: Запись DataFrames в файлы Excel

Last updated 1 year ago

В этом учебном пособии вы узнаете, как изменить параметры отображения в Pandas для вывода всех столбцов, а также всех строк в вашем DataFrame. По умолчанию Pandas ограничит количество отображаемых столбцов и строк. Хотя это может быть полезно с точки зрения возможности прочитать содержимое, это часто может привести к разочарованию, если данные, которые вы хотите увидеть, не отображаются.

К концу этого урока вы научитесь:

  • Как определить значения по умолчанию для количества столбцов и строк, которые будет отображать Pandas

  • Как показать все столбцы и/или строки в кадре данных Pandas

  • Как указать количество столбцов и/или строк для отображения из DataFrame Pandas

  • Как сбросить отображаемые значения к значениям по умолчанию

Оглавление

Загрузка образца DataFrame Pandas

Чтобы следовать этому учебному пособию построчно, не стесняйтесь копировать и вставлять код ниже, чтобы загрузить образец DataFrame Pandas. Мы будем использовать функцию load_dataset() из библиотеки Seaborn и загружать набор данных 'brain_networks'. Если у вас есть свои данные, не стесняйтесь использовать их.

import pandas as pd
from seaborn import load_dataset

# Загружаем датасет 'brain_networks' из библиотеки seaborn
df = load_dataset('brain_networks')
print(df)

# Возвращает:
#     network                    1                  1.1  ...                 17.4                17.5                 17.6
# 0      node                    1                    1  ...                    3                   3                    4
# 1      hemi                   lh                   rh  ...                   lh                  rh                   lh
# 2       NaN                  NaN                  NaN  ...                  NaN                 NaN                  NaN
# 3         0    56.05574417114258    92.03103637695312  ...  -10.520872116088867  120.49046325683594  -39.686431884765625
# 4         1     55.5472526550293     43.6900749206543  ...  -39.607521057128906   24.76401138305664    -36.7710075378418
# ..      ...                  ...                  ...  ...                  ...                 ...                  ...
# 918     915  -7.4295125007629395    -4.81321907043457  ...   22.893030166625977   48.27437973022461    76.22845458984375
# 919     916   -33.55413818359375   -38.60562133789063  ...    24.97454833984375   51.97215270996094    64.53878784179689
# 920     917   -78.53956604003906   -74.19718933105469  ...    66.99440002441406   81.53924560546875    64.96977233886719
# 921     918  -103.23582458496094    -98.7442855834961  ...   20.517745971679688   3.124434232711792    56.71838760375977
# 922     919   -36.28886795043945  -10.762069702148438  ...    8.300398826599121  33.687530517578125   17.960655212402344

# [923 rows x 63 columns]

При выводе DataFrame на печать можно заметить, что как ось столбцов, так и ось строк были усечены. Давайте начнем с изучения способов определения количества строк и столбцов, которые Pandas отображает по умолчанию.

Поиск значений по умолчанию для количества столбцов/строк, отображаемых Pandas

Чтобы отобразить количество строк и столбцов, которые Pandas показывает по умолчанию, мы можем использовать функцию .get_option(). Эта функция принимает значение и возвращает указанную опцию для этого значения.

В данном случае мы ищем два конкретных варианта:

  • 'display.max_columns', который контролирует количество отображаемых столбцов

  • 'display.max_rows', который контролирует количество отображаемых строк

Давайте посмотрим, какое максимальное количество столбцов будет отображать наш скрипт:

# Определение максимального количества строк для отображения
print(pd.get_option('display.max_rows'))

# Возвращает: 0

Значение, возвращенное в данном случае, равно 0. Ноль является особым случаем. Это означает, что Pandas автоматически попытается найти наилучший вариант, исходя из размера вашего терминала.

В этом разделе вы узнаете, как отобразить все колонки вашего DataFrame в Pandas. Для этого мы можем использовать функцию pd.set_option(). Аналогично приведенному выше примеру, мы хотим установить параметр display.max_columns

Чтобы отобразить все столбцы в Pandas, мы должны установить эту опцию в значение None. Давайте посмотрим, как мы можем это сделать:

pd.set_option('display.max_columns', None)
print(df.head(2))

# Возвращает:
#   network   1 1.1   2 2.1   3 3.1   4 4.1   5 5.1   6 6.1 6.2 6.3   7 7.1 7.2  \
# 0    node   1   1   1   1   1   1   1   1   1   1   1   1   2   2   1   1   2   
# 1    hemi  lh  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh   

#   7.3 7.4 7.5   8 8.1 8.2 8.3 8.4 8.5   9 9.1  10 10.1  11 11.1  12 12.1 12.2  \
# 0   2   3   3   1   1   2   2   3   3   1   1   1    1   1    1   1    1    2   
# 1  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh  rh  lh   rh  lh   rh  lh   rh   lh   

#   12.3 12.4  13 13.1 13.2 13.3 13.4 13.5  14 14.1  15 15.1  16 16.1 16.2 16.3  \
# 0    2    3   1    1    2    2    3    4   1    1   1    1   1    1    2    2   
# 1   rh   lh  lh   rh   lh   rh   rh   rh  lh   rh  lh   rh  lh   rh   lh   rh   

#   16.4 16.5 16.6 16.7  17 17.1 17.2 17.3 17.4 17.5 17.6  
# 0    3    3    4    4   1    1    2    2    3    3    4  
# 1   lh   rh   lh   rh  lh   rh   lh   rh   lh   rh   lh  

В этом случае Pandas будет продолжать оборачивать столбцы, даже если они разделяются на несколько строк.

Еще один способ достичь этого - использовать прямое присваивание. Мы можем сделать это, непосредственно присвоив значение опции, как показано ниже:

# Установка опции отображения напрямую
pd.options.display.max_columns = None

Как указать количество столбцов для отображения в таблице данных Pandas

Мы можем использовать точно такой же метод, чтобы заставить Pandas отображать заданное количество столбцов. Это можно сделать, передав конкретное количество столбцов в опцию.

Например, если мы хотим отобразить 8 колонок, мы могли бы использовать один из двух методов ниже:

# Указание количества отображаемых столбцов
pd.set_option('display.max_columns', 8)

# Или
# pd.options.display.max_columns = 8

print(df.head(2))

# Возвращает:
#   network   1 1.1   2  ... 17.3 17.4 17.5 17.6
# 0    node   1   1   1  ...    2    3    3    4
# 1    hemi  lh  rh  lh  ...   rh   lh   rh   lh

# [2 rows x 63 columns]

Как показать все строки в таблице данных Pandas

В других случаях вы можете захотеть по умолчанию отображать другое количество строк. Это можно сделать точно так же, как описано выше, за исключением того, что нам нужно будет указать опцию display.max_rows. Поэтому мы можем использовать любой из нижеприведенных вариантов:

# Указание количества отображаемых строк
pd.set_option('display.max_rows', None)

# Или
# pd.options.display.max_rows = None

Из-за объема набора данных, строки здесь выводиться не будут.

Как указать количество строк для отображения в таблице данных Pandas

Как и в приведенном выше примере, мы можем легко указать количество отображаемых строк. Как правило, Pandas отображает первые пять строк и последние пять строк. Мы можем изменить это поведение, переопределив значения отображения и указав конкретное значение.

Это поведение работает немного иначе, поскольку нам также необходимо установить минимальное количество отображаемых строк.

Давайте рассмотрим пример, чтобы по умолчанию отобразить 20 строк:

# Отображение 20 строк в DataFrame
pd.set_option('display.max_rows', 200)
pd.set_option('display.min_rows', 20)

Как сбросить параметры отображения в Pandas

Для сброса параметров отображения Pandas предлагает ряд подходящих по названию функций. Мы можем использовать функцию pd.reset_option()

Чтобы сбросить количество столбцов, которые мы хотим отобразить, можно использовать следующий код:

# Сброс количества отображаемых столбцов
pd.reset_option('display.max_columns')

Чтобы сбросить количество отображаемых строк, мы можем использовать следующий код:

# Сброс количества отображаемых строк
pd.reset_option('display.max_rows')

Мы также можем сбросить все настройки одновременно, используя регулярные выражения:

# Сброс всех опций отображения одновременно
pd.reset_option("^display")

Заключение

В этом посте вы узнали, как отображать все столбцы или строки в DataFrame библиотеки Pandas. Вы научились изменять настройки отображения в Pandas, чтобы указывать, сколько столбцов и строк отображать. Также вы узнали, как сбросить эти значения до их значений по умолчанию.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с нижеприведенными учебными пособиями:

  • Pandas: количество столбцов (подсчет столбцов фрейма данных)

  • Pandas: создайте фрейм данных из списков (5 способов!)

  • Создайте пустой фрейм данных Pandas и добавьте данные

Загрузка образца DataFrame Pandas
Поиск значений по умолчанию для количества столбцов/строк, отображаемых Pandas
Как показать все столбцы в таблице данных Pandas
Как указать количество столбцов для отображения в таблице данных Pandas
Как показать все строки в таблице данных Pandas
Как указать количество строк для отображения в таблице данных Pandas
Как сбросить параметры отображения в Pandas
Заключение
Дополнительные ресурсы