Pandas Set_Option metodas
Šiandien apžvelgsime, kaip naudoti funkciją „pd.set_option()“, kad būtų rodomi visi Pandas Dataframe stulpeliai, kai jie pateikiami „Spyder“ įrankyje. Norėdami naudoti „pd.set_option()“, laikomės nurodytos sintaksės:
Pradėkime mokytis koncepcijos, padedant praktiškai įgyvendinti Python programą.
Pavyzdys: naudojant Pandas Set_Option metodą, kad būtų rodomi visi stulpeliai
Ši demonstracija yra vadovas, kaip rodyti visus „DataFrame“ stulpelius naudojant „Pandas“ „set_option()“. Išsiaiškinsime kiekvieno šio Python metodo įgyvendinimo žingsnio detales.
Pirmas reikalavimas praktiniam Python scenarijaus įgyvendinimui yra išsiaiškinti geriausią įrankį, kuriame vykdote savo programą. Įrankis, kurį naudojome iliustruodami, yra „Spyder“ įrankis. Paleidome įrankį ir pradėjome dirbti su Python scenarijumi.
Pradėdami nuo kodo, iš pradžių turime importuoti būtinas bibliotekas, kurių mums reikia šioje programoje. Pirmoji biblioteka, kurią įkėlėme į savo Python failą, yra Pandas biblioteka, nes čia naudojamas funkcijas teikia Pandas. Šią biblioteką pavadinome „pd“. Antroji biblioteka, kurią įkėlėme, yra NumPy biblioteka. NumPy (Numerical Python) yra skaitmeninio skaičiavimo paketas, sukurtas naudojant Python programavimą. Kodo skiltis Importuoti NumPy nukreipia Python integruoti NumPy modulį į dabartinį Python failą. Tada scenarijaus dalis „as np“ nurodo „Python“ priskirti „NumPy“ santrumpą „np“. Tai leidžia naudoti NumPy metodus įvedant 'np.function_name', o ne 'NumPy'.
Dabar pradedame nuo pagrindinio kodo. Svarbiausias ir esminis mūsų programos poreikis yra Pandas DataFrame. Taigi, rodome visus jame esančius stulpelius. Dabar visiškai priklauso nuo jūsų, ar norite sukurti „DataFrame“ su nurodytomis reikšmėmis, ar jums reikia importuoti CSV failą. Šiam atvejui pasirinkome „DataFrame“ su NaN reikšmėmis kūrimą. Mes panaudojome „pd.DataFrame()“ metodą, kad sukurtume DataFrame. Čia pateikėme du parametrus – „indeksas“ ir „stulpeliai“. Argumentas „indeksas“ nurodo eilutes, o tai reiškia, kad mes nustatome DataFrame eilutes.
Mes priskyrėme parametrą „index“ ir „NumPy“ funkciją „np.arange(), kurių reikšmių skaičius yra „6“. Jis sukuria šešias DataFrame eilutes. Jis užpildo visus įrašus NaN reikšmėmis, nes mes jam nepateikėme jokios reikšmės. Argumentas „stulpeliai“, kaip nurodo pavadinimas, naudojamas „DataFrame“ stulpeliams nustatyti. Jai taip pat priskiriama funkcija „np.arange()“ su „25“ stulpelių reikšmių skaičiumi. Taigi jis sukuria 25 stulpelius DataFrame.
Vadinasi, kai iškviečiame funkciją „pd.DataFrame()“, turime DataFrame su 25 stulpeliais ir 6 eilutėmis, užpildytomis nulinėmis reikšmėmis. Norėdami išsaugoti šį „DataFrame“, turime sukurti „DataFrame“ objektą, kuriame saugomas jo turinys. Todėl sukūrėme „DataFrame“ objektą „atsitiktinis“ ir priskyrėme jam rezultatą, kurį gauname naudojant „pd.DataFrame()“ metodą. Dabar tikrai norite matyti generuojamą „DataFrame“. Python suteikia mums metodą, kaip peržiūrėti išvestį ekrane, tai yra funkcija „print ()“. Mes iškvietėme šį metodą, kaip parametrą perduodame DataFrame objektą „atsitiktinis“.
Kai vykdome šį kodo fragmentą, gauname DataFrame su NaN reikšmėmis, rodomomis terminale. Čia galime pastebėti, kad matomi kai kurie pirmieji stulpeliai ir tik keli iš galo. Visi tarpiniai stulpeliai yra sutrumpinti. Pagal numatytuosius nustatymus jis paslepia kai kurias eilutes ir stulpelius, kad nesukeltų vartotojo nusivylimo rodydamas didžiulius duomenų rinkinius.
Naudodami Pandas funkciją „len()“ netgi galite patikrinti bendrą duomenų rėmelio stulpelių skaičių. Savo „Spyder“ įrankio konsolėje parašykite funkciją „len()“. Įrašykite „DataFrame“ pavadinimą tarp skliaustų su ypatybe „.columns“. Jis grąžina mums bendrą jūsų „DataFrame“ stulpelių ilgį.
Jis grąžina mūsų duomenų rėmelio ilgį, kuris yra 25.
Dabar kita ir pagrindinė užduotis yra pakeisti numatytąją parinktį, kad būtų rodoma išvestis. Gali būti aplinkybių, kai norite peržiūrėti visą „DataFrame“ terminale. Dėl numatytųjų verčių daugelis įrašų yra sutrumpinami, o tai sukelia vartotojo nusivylimą. Čia sužinosite, kaip įveikti šią problemą. Pandas suteikia mums funkciją „pd.set_option()“, kad pakeistume numatytuosius rodymo nustatymus. Iškart po to, kai konsolėje rodomas DataFrame, iškviečiame metodą „pd.set_option()“. Šios funkcijos skliausteliuose nurodome parametrą, kurį turime naudoti norėdami rodyti visus DataFrame stulpelius.
Čia naudojome „display.max_columns“, kad parodytume didžiausią duomenų rėmelio stulpelių skaičių. Taip pat galime apibrėžti šio parametro reikšmę, t. y. maksimalų stulpelių skaičių, kurį norite rodyti. Kita vertus, mes nustatėme „display.max_columns“ į „Nėra“, kuri rodo visus didžiausio ilgio „DataFrame“ stulpelius. Galiausiai panaudojome funkciją „print ()“, kad gautume „DataFrame“ su visais terminale matomais stulpeliais.
Paspaudę „Spyder“ įrankio parinktį „Paleisti failą“, galime peržiūrėti eksponuojamą „DataFrame“. Šis duomenų rėmelis turi šešias eilutes, o jame esančių stulpelių skaičius yra 25. Sutrumpėtų stulpelių nėra, nes dabar įjungta funkcija „pd.set_option()“ su didžiausiu stulpelio ilgiu.
Mes netgi galime iš naujo nustatyti rodymo parinktį, nes nustačius didžiausią rodymo ilgį, „DataFrames“ ir toliau bus rodomi su visais to konkretaus „Python“ failo stulpeliais. Tam naudojame Pandas „pd.reset_option()“. Mes iškviečiame šią funkciją ir pateikiame „display.max_columns“ kaip šios funkcijos parametrą.
Taip gauname pradinius pateikto „DataFrame“ rodymo nustatymus.
Išvada
Norint peržiūrėti visą terminalo išvestį su didžiuliu duomenų rinkiniu, kartais kyla problemų, kai numatytieji įrankio nustatymai prieštarauja vartotojo poreikiams. Norėdami išspręsti šią nesėkmę, Pandas mums pateikia metodą „pd.set_option()“. Šiame mokymosi vadove supažindinome jus su šiuo metodu ir būtinybe jį taikyti. Temą demonstravome praktiškai sukompiliuotais ir įvykdytais Python pavyzdiniais kodais. Pateikėme „Spyder“ atliktos iliustracijos rezultatus. Paaiškinome, kaip konsolėje rodyti visus „DataFrame“ stulpelius keičiant numatytuosius nustatymus ir iš naujo nustatant visus pradinius nustatymus. Visiškai sutelkus dėmesį į praktinį modulio įgyvendinimą, galėsite juo pasinaudoti, kai tik susidursite su tokia problema.