Pandas muestra todo columna
La sintaxis para mostrar todas las columnas utilizando el método set_option ()
La sintaxis anterior se usa para mostrar todas las columnas de un gran marco de datos simultáneamente.
La sintaxis para mostrar todas las columnas utilizando el método get_option ()
Ejemplo 1: Mostrando todas las columnas del DataFrame usando Python Pandas set_option ()
Vamos a usar python pandas "set_option ()" para mostrar todas las columnas en nuestro marco de datos. La cantidad de columnas que se muestran de forma predeterminada se puede alterar utilizando "set_option ()" mediante el uso de "set_option (" visualización.columnas máximas ”, ninguno)". También podemos mostrar todas las filas de nuestro DataFrame usando "set_option ()". Usaremos la herramienta "Spyder" que se utiliza para ejecutar la programación de pandas de Python para implementar este código.
Antes de ejecutar el código, debemos importar dos bibliotecas de panda. Primero, importamos la biblioteca de Panda como "PD" y para el segundo importamos a Numpy como "NP". Un módulo Python llamado "Numpy" brinda ayuda para matrices masivas y multivariadas, así como un número considerable de procedimientos matemáticos sofisticados que pueden realizarse en estas matrices. La abreviatura de Numpy es "Pitón numérico". Su función principal es llevar a cabo operaciones matemáticas.
La creación de nuestro marco de datos viene a continuación. Sin embargo, a diferencia de los marcos de datos del ejemplo anterior, no agregaremos los nombres de columnas específicas y valores precisos a esas columnas en este caso. Aquí, estamos creando nuestro marco de datos utilizando valores "nan". Por lo tanto, utilizaremos los dos argumentos "índice" y "columnas" para generar nuestro enorme marco de datos. Al agregar filas o columnas a un cuadro de datos, las funciones "index = np.arange () "y" columnas = np.Arange () "incluye el número de filas y columnas. Respectivamente, todas las filas de DataFrame están contenidas en filas y todas sus columnas que llevan valores "nan" están contenidos en columnas.
Utilizando los parámetros de "Índice" y "columna" set_option, hemos tomado "3" filas y columnas "25". El marco de datos de este ejemplo se conoce como "DF". Por lo tanto, para crear DataFrame, estamos utilizando "PD.marco de datos". Después de eso, usaremos la función "print ()" para mostrar nuestro marco de datos.
Ahora, llegamos a la función principal de nuestro programa donde tenemos que mostrar todas las columnas de nuestro DataFrame. Para esto, estamos usando "Pantalla.max_columns "con" set_option ". Esta técnica mostrará todas las columnas "25" y las "3" filas de nuestros marcos de datos que contienen valores "nan" porque usamos el valor "nan" de nuestras columnas. Por otro lado, configuramos "Pantalla.max_columns "a" Ninguno "que mostrará todas las columnas del marco de datos, independientemente de la longitud real. "Ninguno" se usa para determinar si falta alguna información; Estos valores se muestran como "nan" o "ninguno". Ahora, vamos a mostrar nuestras columnas usando la función "print ()".
Ejecutar este código obtendrá el resultado en su salida. Aquí, podemos ver que se muestran el marco inicial que incluye los valores "nan". Como podemos ver, ciertas columnas se mostraron al principio y algunas columnas al final. Debido a la conducta predeterminada, faltan las columnas intermedias en el primer cuadro. El orden de las matrices se muestra en la siguiente línea, lo que significa que tiene "3" filas y columnas "25". El segundo DataFrame muestra todas las columnas utilizando "set_options" dos parámetros, "índice" y "columnas". Usando esto, podemos verificar sin lugar a dudas que muestra todos los "25" de las columnas en nuestro marco de datos. El índice va de "0 a 24", lo que significa que hay "25" columnas en total.
Ejemplo 2: Mostrando todos los nombres de columnas del DataFrame utilizando columnas.valores.Técnica de list ()
Demostraremos todas nuestras columnas de DataFrame en la espuma de la lista en este ejemplo. Usando este procedimiento en Python, puede adquirir los nombres de la columna de un marco de datos de Pandas y luego pasar el resultado como una lista. Similar al último marcado de datos, este también se crea importando dos bibliotecas panda como "PD" y Numpy como "NP". Comencemos por generar nuestro marco de datos. El nombre del DataFrame es "DF". Estamos utilizando dos atributos "índice" y "columnas" en esta instancia para agregar filas y columnas al marco de datos. Las filas se agregan utilizando el "index = np.arange () ", mientras que las columnas se agregan usando la" columna = np.Arange () ".
Como no vamos a enumerar estas columnas, estamos utilizando valores "nan". Entonces, estamos usando "NP" aquí. Mediante el uso de funciones de índice y columna, agregamos "5" filas y columnas "20" a este marco de datos. Como respuesta, usará "PD.DataFrame ”para crear nuestro DataFrame. Ahora que hemos ingresado a la parte principal del código, usaremos el "DF.columna.Método Tolist ”para mostrar cada nombre de cada columna en nuestro marco de datos. Esta función se inicializará como "DF1". Ahora imprimiremos esta función para mostrar una lista de las columnas de DataFrame.
Como podemos ver esta lista de nombres de columnas en la salida, muestra toda la lista de nombres de columnas "20". Este marco de datos tiene columnas "20" que comienzan desde "0" y terminan en "19". Debido a que usamos index = np y column = np, los nombres de las columnas se muestran de forma predeterminada en forma de números. La importancia de "ninguno" en este caso es que la salida incluye todos los nombres de columnas posibles.
Ejemplo 3: Mostrar todas las columnas máximas del DataFrame utilizando el método get_option ()
En este caso, la columna máxima del DataFrame se muestra utilizando el método "get_option ()". "Set_option ()" y "get_option ()" a menudo se emplean cada vez que tenemos una gran cantidad de datos en nuestro marco de datos, como registros de base de datos de cualquier escuela u oficina, para mostrar todas las columnas claramente en la pantalla. Los valores de entrada se obtienen utilizando el método "get_option ()" y el valor de la opción de entrada se establece utilizando el método "set_option ()".
Idéntico al último ejemplo, estamos generando un marco de datos con valores "nan". Dado que necesitamos un montón de contenido, podemos cargar alternativamente un archivo "CSV" en el marcado de datos, pero este método es más simple. Del mismo modo, usaremos "índice" y "columnas" para agregar filas y columnas a nuestro marco de datos. El "índice = np.Arange (5) "indica que hemos agregado" 5 "filas a nuestro DataFrame y la" columna = np.Arange (32) "muestra que estamos tomando columnas" 32 "en nuestro marco de datos. Ahora, está equipado para sacar su tarea principal de mostrar cada columna en el cuadro de datos considerable. Podemos obtener todas las columnas invocando el "get_option (pantalla.Método de columnas máximas ”). Por otro lado, "Ninguno" significa que después de ejecutar el código, la pantalla mostrará el número máximo de columnas. Siguiendo este procedimiento, el marco de datos ahora se muestra en las imágenes de origen utilizando la función "print ()".
La salida es fácilmente visible en la imagen; Muestra todas las columnas de DataFrame. DataFrame tiene "5" filas y columnas "32" con valores "NAN".
Conclusión
De vez en cuando puede ser difícil gestionar una gran cantidad de conjuntos de datos. Para generar marcos de datos, las columnas se crean primero y luego se agrega la lista de valores. Para facilitar el proceso, se utilizan "índice y" columna "de dos parámetros en este artículo para agregar filas y columnas. El número máximo de columnas de DataFrame se puede mostrar utilizando dos técnicas separadas "set_option (visualización.max_columns) "y" get_option (pantalla.max_columns) ". El "set_option" y "get_option" se utilizan para mostrar una gran cantidad de datos en la pantalla. Puede usar uno o todos estos dos métodos, dependiendo de lo que necesite para realizar.