如何在Python打印整个 Pandas DataFrame？

数据可视化是一种技术，用于使用图形、图表、地图等视觉线索提供数据洞察力。这很有用，因为它有助于直观、轻松地理解大量数据，从而做出更好的决策。当我们使用大量打印数据集时，它会被截断。 在本文中，我们将了解如何在不截断的情况下打印整个 Pandas Dataframe 或 Series。

默认情况下，如果长度超过默认长度，则不打印完整的数据框，输出将被截断，如下所示：

Python3

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
 
# Loading irirs dataset
data = load_iris()
df = pd.DataFrame(data.data,
                  columns = data.feature_names)
display(df)

输出：

有4 种方法可以打印整个 Pandas Dataframe：

• 使用 to_string() 方法
• 使用 pd.option_context() 方法
• 使用 pd.set_options() 方法
• 使用 pd.to_markdown() 方法

方法一：使用 to_string()

虽然这种方法最简单，但对于非常庞大的数据集（以百万计）并不可取，因为它将整个数据帧转换为字符串对象，但对于大小为数千的数据帧非常有效。

Syntax: DataFrame.to_string(buf=None, columns=None, col_space=None, header=True, index=True, na_rep=’NaN’, formatters=None, float_format=None, index_names=True, justify=None, max_rows=None, max_cols=None, show_dimensions=False, decimal=’.’, line_width=None)

代码：

蟒蛇3

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
 
data = load_iris()
df = pd.DataFrame(data.data,
                  columns = data.feature_names)
 
# Convert the whole dataframe as a string and display
display(df.to_string())

输出：

方法 2：使用 pd.option_context()

Pandas 允许通过option_context()方法和set_option()方法更改设置。这两种方法都相同，但有一个区别，后者是永久更改设置，而前者仅在上下文管理器范围内执行此操作。

Syntax : pandas.option_context(*args)

代码：

蟒蛇3

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
 
data = load_iris()
df = pd.DataFrame(data.data,
                  columns = data.feature_names)
 
# The scope of these changes made to
# pandas settings are local to with statement.
with pd.option_context('display.max_rows', None,
                       'display.max_columns', None,
                       'display.precision', 3,
                       ):
    print(df)

输出：

解释：

上面的代码使用了某些选项参数，例如' display.max_rows '它的默认值是 10 & 如果数据框有超过 10 行它会截断它，我们正在做的是将它的值设置为 None 即显示所有行现在。同样，“ display.max_columns ”的默认值为 10，我们也将其设置为 None。

展示。 precision = 3 表示小数点后最多显示 3 个值，此处所有值都有 1 个值，因此不影响此示例。

方法 3：使用 pd.set_option()

此方法类似于 pd.option_context() 方法并采用与方法 2 中讨论的相同的参数，但与 pd.option_context() 不同的是，它的范围和影响是对整个脚本的，即所有数据框设置都被永久更改

要显式重置值，必须使用pd.reset_option('all')方法来恢复更改。

Syntax : pandas.set_option(pat, value)

代码：

蟒蛇3

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
 
data = load_iris()
df = pd.DataFrame(data.data,
                  columns = data.feature_names)
 
# Permanently changes the pandas settings
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', -1)
 
# All dataframes hereafter reflect these changes.
display(df)
 
print('**RESET_OPTIONS**')
 
# Resets the options
pd.reset_option('all')
display(df)

输出：

方法 4：使用 to_markdown()

此方法类似于 to_string() 方法，因为它还将数据框转换为字符串对象，并为其添加样式和格式。

Syntax : DataFrame.to_markdown(buf=None, mode=’wt’, index=True,, **kwargs)

代码：

蟒蛇3

import numpy as np
from sklearn.datasets import load_iris
import pandas as pd
 
data = load_iris()
df = pd.DataFrame(data.data,
                  columns=data.feature_names)
 
# Converts the dataframe into str object with formatting
print(df.to_markdown())

输出：