Pandas是一個在數據科學中常用的功能強大的Python庫。它可以從各種來源加載和操作數據集。當使用Pandas時，默認選項就已經適合大多數人了。但是在某些情況下，我們可能希望更改所顯示內容的格式。所以就需要使用Pandas的一些定制功能來幫助我們自定義內容的顯示方式。

1、控制顯示的行數

在查看數據時，我們希望看到比默認行數更多或更少的行數（默認行數為10）。

arr_data = np.random.default_rng().uniform(0, 100, size=(100,5))
 pd.DataFrame(arr_data, columns=list('ABCDE'))

可以看到，默認包括數據幀的前5行和后5行。因為這樣可以防止pandas在調用數據框架時顯示大量的數據，從而降低計算機的速度。

這里有兩個選項可用于控制顯示的行數。

首先是display.max_rows，它控制在截斷之前顯示的最大行數。如果數據中的行數超過此值，則顯示將被截斷。默認設置為60。

如果希望顯示所有行，則需要將display.max_rows設置為None。如果數據非常大，這可能會占用很多資源并且降低計算速度。

pd.set_option('display.max_rows', None)

這樣就可以看到df中的所有行。

如果數據的行數多于 max_rows 設置的行數，則必須將 display.min_rows 參數更改為要顯示的值。還需要確保 max_rows 參數大于 min_rows。

pd.set_option('display.min_rows', 20)

如果將min_rows設置為20，那么當查看時，將看到頂部有10行，底部有10行。

2、控制顯示的列數

當處理包含大量列的數據集時，pandas將截斷顯示，默認顯示20列。下圖第9列和第15列之間的三個點(省略號)表示已經被截斷了

上述數據，是使用以下代碼顯示的:

arr_data = np.random.default_rng().uniform(0, 100, size=(100,25))
 df = pd.DataFrame(arr_data)
 df

要查看顯示上的更多列，可以更改display.max_columns參數

pd.set_option('display.max_columns', 30)

這樣做最多將顯示30列。但是這可能會導致其他問題，例如當有圖片時這會變得很難看。

3、禁止科學記數法

通常在處理科學數據時，你會遇到非常大的數字。一旦這些數字達到數百萬，Pandas就會將它們重新格式化為科學符號，這可能很有幫助，但并不總是如此。

要生成具有非常大值的數據，可以使用以下代碼。

arr_data = np.random.default_rng().uniform(0, 10000000, size=(10,3))
 df = pd.DataFrame(arr_data)
 df

如果想要顯示這些數字的完整形式而不使用科學符號。這可以通過更改float_format顯示選項并傳入一個lambda函數來實現。這將重新格式化顯示，使其具有不帶科學記數法的值和最多保留小數點后3位。

pd.set_option('display.float_format', lambda x: f'{x:.3f}')

如果你想讓它看起來更好看，你可以在千位之間添加逗號分隔符。

下面的代碼可能看起來與上面的相同，但是如果您仔細查看該代碼的f'{x:部分后面有一個逗號。

pd.set_option('display.float_format', lambda x: f'{x:,.3f}')

4、更改數據的浮點精度

在某些情況下，數據可能在小數點后有太多的值，這樣看起來很亂。默認情況下，Pandas將在小數點后顯示6個位。

為了使它更容易閱讀，可以通過調用display.precision來減少顯示的值的數量。

pd.set_option('display.precision', 2)

數值列的浮點精度已降低到2。

此設置只更改數據的顯示方式。它不更改底層數據值。

5、控制Float格式

在某些情況下，數字可以代表百分比或貨幣價值。如果是這種情況，用正確的單位來格式化它們是很方便的。

若要在列后面添加百分比符號，可以調用display.float_format選項，并使用f-string傳入想要顯示的格式:

pd.set_option('display.float_format', f'{:,.3f}%')

要以美元符號開始，可以這樣更改代碼:

pd.set_option('display.float_format', f'${:,.2f}')

6、更改默認的Pandas繪圖庫

在進行探索性數據分析時，通常需要快速生成數據圖。可以使用matplotlib來構建一個plot，但是在Pandas中可以使用.plot()方法使用幾行代碼來完成它。

Pandas為我們提供了一系列可以使用的繪圖庫:

• matplotlib
• hvplot >= 0.5.1
• holoviews
• pandas_bokeh
• plotly >= 4.8
• altair

要更改當前的默認繪圖庫，需要更改plotting.backend選項。

pd.options.plotting.backend = "hvplot"

這樣就使用.plot方法創建plot時就會調用設置的庫

df.plot(kind='scatter', x='1', y='2')

7、重置顯示選項

如果希望將特定選項的參數設置回默認值，可以調用reset_option方法并傳入想要重置的選項。

pd.reset_option('display.max_rows')

或者可以通過all作為參數將它們全部更改回默認值。

pd.reset_option('all')

如果想一次設置多個選項可以這樣做。

 settings = {
    'max_columns': 30,
    'min_rows':40,
    'max_rows': 30,
    'precision': 3
    }
 for option, value in settings.items():
    pd.set_option("display.{}".format(option), value)

這樣做可以幫助節省時間，減少編寫的代碼數量，提高可讀性。

總結

Pandas是一個功能強大的庫，但是默認選項可能不適合特定的需要。本文介紹了一些常用選項，可以改進查看數據的方式。