데이터 시각화는 그래프, 차트, 지도 등과 같은 시각적 단서를 사용하여 데이터에 대한 통찰력을 제공하는 데 사용되는 기술입니다. 이는 대량의 데이터를 직관적이고 쉽게 이해하고 이에 대한 더 나은 의사결정을 내리는 데 도움이 되므로 유용합니다. 많은 수의 데이터 세트를 인쇄하면 잘립니다. 이번 글에서는 전체 인쇄 방법을 알아보겠습니다. 팬더 데이터프레임 또는 잘림 없는 시리즈.
Python에서 전체 Pandas DataFrame 인쇄
기본적으로 길이가 기본 길이를 초과하면 전체 데이터 프레임이 인쇄되지 않으며 출력은 아래와 같이 잘립니다.
파이썬3
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)> |
>
>
산출:
있다 전체 팬더 데이터프레임을 인쇄하는 4가지 방법:
- to_string() 메소드 사용
- pd.option_context() 메소드 사용
- pd.set_options() 메소드 사용
- pd.to_markdown() 메소드 사용
방법 1: to_string() 사용
이 방법은 가장 간단하지만 전체 데이터 프레임을 문자열 개체로 변환하지만 수천 단위 크기의 데이터 프레임에는 매우 잘 작동하므로 매우 큰 데이터 세트(수백만 단위)에는 권장되지 않습니다.
통사론: 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=없음, show_dimensions=거짓, 소수점='.', line_width=없음)
예: 이 예에서는load_iris>scikit-learn의 함수를 사용하여 Iris 데이터 세트를 로드한 다음 pandas DataFrame(df>) 데이터 세트 기능을 포함하고 마지막으로 다음을 사용하여 전체 DataFrame을 문자열 표현으로 변환합니다. to_string()> 그리고 그것을 표시합니다.
파이썬3
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())> |
메모리 등록
>
>
산출:
방법 2: pd.option_context() 사용
Pandas에서는 다음을 통해 설정을 변경할 수 있습니다. 옵션_컨텍스트() 방법과 set_option() 행동 양식. 두 방법 모두 나중에 설정을 영구적으로 변경하고 전자는 컨텍스트 관리자 범위 내에서만 수행한다는 한 가지 차이점만 있으면 동일합니다.
구문: pandas.option_context(*args)
예: 이 예에서는 scikit-learn의 Iris 데이터 세트를 사용하여 pandas DataFrame(df>) 지정된 형식 지정 옵션을 사용하여 최대 행, 열 및 정밀도와 같은 표시 설정이 로컬 범위에 대해서만 수정되는 임시 컨텍스트 내에서 DataFrame을 인쇄합니다.
파이썬3
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)> |
리눅스 폴더 이름 바꾸기
>
>
산출:
방법 3: pd.set_option() 사용
이 메소드는 pd.option_context() 메소드와 유사하며 메소드 2에서 설명한 것과 동일한 매개변수를 사용하지만 pd.option_context()와는 다릅니다. 범위와 효과는 전체 스크립트에 적용됩니다. 즉, 모든 데이터 프레임 설정이 영구적으로 변경됩니다.
값을 명시적으로 재설정하려면 다음을 사용하세요. pd.reset_option('모두') 변경 사항을 되돌리려면 메서드를 사용해야 합니다.
구문: pandas.set_option(pat, value)
예: 이 코드는 지정된 DataFrame(df>). 그런 다음 옵션을 기본값으로 재설정하고 DataFrame을 다시 표시하여 기본 설정 복원을 보여줍니다.
파이썬3
지도 대 세트
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)> |
>
>
산출:
방법 4: to_markdown() 사용
이 메소드는 데이터 프레임을 문자열 객체로 변환하고 스타일 및 서식을 추가한다는 점에서 to_string() 메소드와 유사합니다.
구문: DataFrame.to_markdown(buf=None, mode='wt', index=True,, **kwargs)
예: 이 코드는 scikit-learn의 Iris 데이터세트를 사용하여 pandas DataFrame(df>), 그런 다음 다음을 사용하여 DataFrame의 형식화된 Markdown 표현을 인쇄합니다. to_markdown()>방법 .
파이썬3
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())> |
>
>
산출: