通過pandas的使用，我們經常要交互式地展示表格（dataframe）、分析表格。而表格的格式就顯得尤為重要了，因為大部分時候如果我們直接展示表格，格式并不是很友好。

其實呢，這些痛點都可以通過pandas的option來解決。短短幾行代碼，只要提前配置好，一次設置好，全局生效，perfect！

#?使用方法 import?pandas?as?pd pd.set_option() pd.get_option()#?使用屬性，例如展示的最大行數 pd.option.display.max_rows

東哥整理了8個常用的配置選項，供大家參考。記住這8個option代碼，下次直接粘貼進去，效率可以提高很多，爽歪歪。

• 顯示更多行

• 顯示更多列

• 改變列寬

• 設置float列的精度

• 數字格式化顯示

• 更改繪圖方法

• 配置info()的輸出

• 打印出當前設置并重置所有選項

1. 顯示更多行

默認情況下，pandas 是不超出屏幕的顯示范圍的，如果表的行數很多，它會截斷中間的行只顯示一部分。我們可以通過設置display.max_rows來控制顯示的最大行數，比如我想設置顯示200行。

pd.set_option('display.max_rows',?200) #?pd.options.display.max_rows?=?200

如果行數超過了display.max_rows，那么display.min_rows將確定顯示的部分有多少行。因為display.min_rows的默認行數為5，,下面例子只顯示前5行和最后5行，中間的所有行省略。

同理，也可根據自己的習慣顯示可顯示的行數，比如10, 20..

pd.set_option('display.min_rows',?10) #?pd.options.display.min_rows?=?10

還可以直接重置。

#?重置 pd.reset_option('display.max_rows')

2. 顯示更多列

行可以設置，同樣的列也可以設置，display.max_columns控制著可顯示的列數，默認值為20。

pd.get_option('display.max_columns')? #?pd.options.display.max_columns 20

3. 改變列寬

pandas對列中顯示的字符數有一些限制，默認值為50字符。所以，有的值字符過長就會顯示省略號。如果想全部顯示，可以設置display.max_colwidth，比如設置成500。

pd.set_option?('display.max_colwidth',500) #?pd.options.display.max_colwidth?=?500

4. 設置float列的精度

對于float浮點型數據，pandas默認情況下只顯示小數點后6位。我們可以通過預先設置display.precision讓其只顯示2位，避免后面重復操作。

pd.set_option(?'display.precision',2) #?pd.options.display.precision?=?2

這個設置不影響底層數據，它只影響浮動列的顯示。

5. 數字格式化顯示

pandas中有一個選項display.float_formatoption可以用來格式化任何浮點列。這個僅適用于浮點列，對于其他數據類型，必須將它們轉換為浮點數才可以。

用逗號格式化大值數字

例如 1200000 這樣的大數字看起來很不方便，所以我們用逗號進行分隔。

pd.set_option('display.float_format','{:,}'.format)

設置數字精度

和上面display.precision有點類似，假如我們只關心小數點后的2位數字，我們可以這樣設置格式化：

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

百分號格式化

如果我們要顯示一個百分比的列，可以這樣設置。

pd.set_option('display.float_format',?'{:.2f}%'.format)

或者其它幣種的符號等均可，只需要在大括號{}前后添加即可。

6. 更改繪圖方法

默認情況下，pandas使用matplotlib作為繪圖后端。從 0.25 版本開始，pandas提供了使用不同后端選擇，比如plotly，bokeh等第三方庫，但前提是你需要先安裝起來。

這個東哥之前也分享過設置后端可視化方法的內容：再見，可視化！你好，pandas！

設置很簡單，只要安裝好三方庫后，同樣只需要一行。

import?pandas?as?pd import?numpy?as?np pd.set_option('plotting.backend',?'altair') data?=?pd.Series(np.random.randn(100).cumsum()) data.plot()

7. 配置info()的輸出

pandas中我們經常要使用info()來快速查看DataFrame的數據情況。但是，info這個方法對要分析的最大列數是有默認限制的，并且如果數據集中有null，那么在大數據集計數統計時會非常慢。

pandas提供了兩種選擇：

• display.max_info_columns: 設置要分析的最大列數，默認為100。

• display.max_info_rows: 設置計數null時的閾值，默認為1690785。

比如，在分析有 150 個特征的數據集時，我們可以設置display.max_info_columns為涵蓋所有列的值，比如將其設置為 200：

pd.set_option('display.max_info_columns',?200)

在分析大型數據集時，df.info()由于要計算所有null，導致速度很慢。因此我們可以簡單地設置display.max_info_rows為一個小的值來避免計數，例如只在行數不超過5時才計數null：

pd.set_option('display.max_info_rows',?5)

8. 打印出當前設置并重置所有選項

pd.describe_option()將打印出設置的描述及其當前值。

pd.describe_option()

還可以打印特定的選項，例如，行顯示。

#?具體的搜索 pd.describe_option('rows')

最后，我們還可以直接全部重置。

pd.reset_option('all')

以上就是8個常用set_option的使用，下面進行了匯總，方便大家粘貼使用。

pd.set_option('display.max_rows',xxx)?#?最大行數 pd.set_option('display.min_rows',xxx)?#?最小顯示行數 pd.set_option('display.max_columns',xxx)?#?最大顯示列數 pd.set_option?('display.max_colwidth',xxx)?#最大列字符數 pd.set_option(?'display.precision',2)?#?浮點型精度 pd.set_option('display.float_format','{:,}'.format)?#逗號分隔數字 pd.set_option('display.float_format',??'{:,.2f}'.format)?#設置浮點精度 pd.set_option('display.float_format',?'{:.2f}%'.format)?#百分號格式化 pd.set_option('plotting.backend',?'altair')?#?更改后端繪圖方式 pd.set_option('display.max_info_columns',?200)?#?info輸出最大列數 pd.set_option('display.max_info_rows',?5)?#?info計數null時的閾值 pd.describe_option()?#展示所有設置和描述 pd.reset_option('all')?#重置所有設置選項

參考：

[1] https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html

[2] https://towardsdatascience.com/8-commonly-used-pandas-display-options-you-should-know-a832365efa95

萬水千山總是情，點個??????行不行。

推薦閱讀

Pandas處理數據太慢，來試試Polars吧！

懶人必備！只需一行代碼，就能導入所有的Python庫

絕！關于pip的15個使用小技巧

介紹10個常用的Python內置函數，99.99%的人都在用！

可能是全網最完整的 Python 操作 Excel庫總結！

總結

以上是生活随笔為你收集整理的好习惯！pandas 8 个常用的 option 设置的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。