Kaedah Set_Option Panda
Hari ini, kita akan melihat cara menggunakan fungsi 'pd.set_option()' untuk memaparkan semua lajur dalam Bingkai Data Pandas apabila membentangkannya dalam alat Spyder anda. Untuk menggunakan 'pd.set_option()', kami mengikuti sintaks yang diberikan:
Mari kita mula mempelajari konsep dengan bantuan pelaksanaan praktikal program Python.
Contoh: Menggunakan Kaedah Set_Option Panda untuk Memaparkan Semua Lajur
Demonstrasi ini adalah panduan untuk memaparkan semua lajur dalam DataFrame dengan menggunakan 'set_option()' Panda. Kami akan menjelaskan butiran setiap langkah untuk pelaksanaan kaedah Python ini.
Keperluan pertama untuk pelaksanaan praktikal skrip Python adalah untuk mengetahui alat terbaik di mana anda melaksanakan program anda. Alat yang kami gunakan untuk ilustrasi kami ialah alat 'Spyder'. Kami melancarkan alat dan mula mengusahakan skrip Python.
Bermula dengan kod, kita pada mulanya perlu mengimport perpustakaan prasyarat yang kita perlukan dalam program ini. Pustaka pertama yang kami muatkan ke dalam fail Python kami ialah pustaka Pandas kerana fungsi yang kami gunakan di sini disediakan oleh Pandas. Kami menamakan perpustakaan ini sebagai 'pd'. Pustaka kedua yang kami muatkan ialah perpustakaan NumPy. NumPy (Numerical Python) ialah pakej pengkomputeran berangka yang dibangunkan melalui pengaturcaraan Python. Bahagian Import NumPy kod mengarahkan Python untuk menyepadukan modul NumPy ke dalam fail Python semasa anda. Bahagian 'sebagai np' skrip kemudian mengarahkan Python untuk memberikan kepada NumPy singkatan 'np'. Ia membolehkan anda menggunakan kaedah NumPy dengan memasukkan “np.function_name” dan bukannya NumPy.
Sekarang, kita mulakan dengan kod utama. Keperluan utama dan asas untuk program kami ialah Pandas DataFrame. Jadi, kami memaparkan semua lajur yang terkandung di dalamnya. Kini, terpulang sepenuhnya kepada anda jika anda ingin mencipta DataFrame dengan nilai tertentu atau jika anda perlu mengimport fail CSV. Apa yang kami pilih untuk contoh ini ialah mencipta DataFrame dengan nilai NaN. Kami menggunakan kaedah 'pd.DataFrame()' untuk membina DataFrame. Di sini, kami menyediakan dua parameter - 'indeks' dan 'lajur'. Argumen 'indeks' merujuk kepada baris yang bermaksud bahawa kami menetapkan baris untuk DataFrame.
Kami memberikan parameter 'indeks' dan fungsi NumPy 'np.arange() dengan kiraan nilai '6'. Ia menjana enam baris untuk DataFrame. Ia mengisi semua entri dengan nilai NaN kerana kami tidak memberikannya sebarang nilai. Argumen 'lajur', seperti namanya, digunakan untuk menetapkan lajur untuk DataFrame. Ia juga diberikan fungsi 'np.arange()' dengan kiraan nilai '25' untuk lajur. Oleh itu, ia membina 25 lajur untuk DataFrame.
Akibatnya, apabila kita memanggil fungsi 'pd.DataFrame()', kita mempunyai DataFrame dengan 25 lajur dan 6 baris diisi dengan nilai nol. Untuk keperluan untuk mengekalkan DataFrame ini, kami dikehendaki membina objek DataFrame yang menyimpan kandungannya. Oleh itu, kami mencipta objek DataFrame 'rawak' dan memberikannya hasil yang kami dapat daripada kaedah 'pd.DataFrame()'. Sekarang, anda pasti mahu melihat DataFrame dijana. Python memberikan kita kaedah untuk melihat output pada skrin yang merupakan fungsi 'cetak ()'. Kami menggunakan kaedah ini dengan menghantar objek DataFrame 'rawak' sebagai parameternya.
Apabila kami melaksanakan coretan kod ini, kami mendapat DataFrame kami dengan nilai NaN dipaparkan pada terminal. Di sini, kita dapat memerhatikan bahawa beberapa lajur pertama dan hanya beberapa dari bahagian akhir kelihatan. Semua lajur di antara dipotong. Secara lalai, ia menyembunyikan beberapa baris dan lajur untuk mengelakkan kekecewaan pengguna dengan memaparkan set data yang besar.
Anda juga boleh menyemak jumlah lajur dalam DataFrame dengan menggunakan fungsi 'len()' Pandas. Tulis fungsi 'len()' pada konsol alat 'Spyder' anda. Tulis nama DataFrame antara kurungan dengan sifat '.columns'. Ia mengembalikan kepada kami jumlah panjang lajur dalam DataFrame anda.
Ia mengembalikan panjang DataFrame kami iaitu 25.
Sekarang, tugas seterusnya dan teras ialah menukar pilihan lalai untuk memaparkan output. Mungkin terdapat keadaan di mana anda ingin melihat keseluruhan DataFrame pada terminal. Kerana nilai lalai, banyak entri dipotong yang menyebabkan kekecewaan bagi pengguna. Anda akan belajar di sini bagaimana untuk mengatasi masalah ini. Pandas memberikan kami fungsi 'pd.set_option()' untuk menukar tetapan paparan lalai. Sejurus selepas memaparkan DataFrame pada konsol, kami menggunakan kaedah 'pd.set_option()'. Kami menentukan parameter antara kurungan fungsi ini yang perlu kami gunakan untuk memaparkan semua lajur DataFrame.
Di sini, kami menggunakan 'display.max_columns' untuk memaparkan lajur maksimum dalam DataFrame kami. Kami juga boleh menentukan nilai untuk parameter ini, iaitu lajur maksimum yang anda ingin paparkan. Kami, sebaliknya, menetapkan 'display.max_columns' kepada 'None' yang mempamerkan semua lajur daripada DataFrame dengan panjang maksimum. Akhir sekali, kami menggunakan fungsi 'print()' untuk memaparkan DataFrame yang terhasil dengan semua lajur kelihatan pada terminal.
Apabila kami menekan pilihan 'Jalankan fail' pada alat 'Spyder', kami boleh melihat DataFrame yang dipamerkan. DataFrame ini mempunyai enam baris dan bilangan lajur yang dipegangnya ialah 25. Tiada lajur yang dipotong kerana fungsi 'pd.set_option()' dengan panjang lajur maksimum didayakan sekarang.
Kami juga boleh menetapkan semula pilihan paparan kerana sebaik sahaja kami menetapkan panjang paparan kepada maksimum, ia terus memaparkan DataFrames dengan semua lajur dalam fail Python tertentu itu. Untuk ini, kami menggunakan 'pd.reset_option()' Panda. Kami menggunakan fungsi ini dan menyediakan 'display.max_columns' sebagai parameter fungsi ini.
Ini memberi kita tetapan paparan awal untuk DataFrame yang disediakan.
Kesimpulan
Untuk melihat output lengkap pada terminal dengan set data yang besar kadangkala membawa kita ke dalam masalah apabila tetapan lalai alat itu berbeza dengan keperluan pengguna. Untuk menyelesaikan kemunduran ini, Pandas memberikan kami kaedah 'pd.set_option()'. Dalam panduan pembelajaran ini, kami memperkenalkan anda kepada kaedah ini dan keperluan untuk menggunakannya. Kami menunjukkan topik dengan kod sampel Python yang disusun secara praktikal dan dilaksanakan. Kami memberikan hasil ilustrasi yang dijalankan pada 'Spyder'. Kami menerangkan cara untuk memaparkan semua lajur DataFrame pada konsol dengan menukar tetapan lalai serta menetapkan semula semua tetapan kepada permulaan. Memberi tumpuan sepenuhnya kepada pelaksanaan praktikal modul membolehkan anda menggunakannya apabila anda menghadapi masalah sedemikian.