我們在`jupyter notebook`中使用`pandas`顯示`DataFrame`的數據時，由於屏幕大小，或者數據量大小的原因，常常會覺得顯示出來的表格不是特別符合預期。 這時，就需要調整`pandas`顯示`DataFrame`的方式。`pandas`為我們提供了很多調整顯示方式的參數，具 ...
我們在jupyter notebook中使用pandas顯示DataFrame的數據時，
由於屏幕大小，或者數據量大小的原因，常常會覺得顯示出來的表格不是特別符合預期。
這時，就需要調整pandas顯示DataFrame的方式。pandas為我們提供了很多調整顯示方式的參數，具體參見文末附錄中的鏈接。
本篇介紹幾個我經常用到的參數來拋磚引玉。
1. 參數的相關函數
對於參數的控制，pandas提供了完整的方法。
- describe_option：獲取參數的描述信息
- get_option：獲取參數的值
- set_option：設置參數的值
- reset_option：重置參數的值，也就是將參數恢復到預設值
以 max_columns（顯示最大的列數）為例，演示上面各個函數的使用：
import pandas as pd
pd.describe_option("display.max_columns")
這裡顯示了 max_columns參數的詳細信息，包括預設值和當前的值。
我們先設置此參數的值，然後再獲取值看看：
pd.set_option("display.max_columns", 10)
pd.get_option("display.max_columns")
# 運行結果>>>
# 10
max_columns參數的值變成了10。
最後重置此參數的值：
pd.reset_option("display.max_columns")
pd.get_option("display.max_columns")
# 運行結果>>>
# 20
max_columns參數的值又恢覆成了20。
上面這4個函數是我們設置參數的過程進程會用到的，
下麵演示幾個常用參數的設置後的效果。
2. 行列相關的參數
控制行列相關的參數，多數情況是為了讓數據能夠更好的顯示在屏幕上。
我比較常用的有以下三個：
2.1. max_rows
控制顯示的最大行數。
隨機生成一個20行的數據，max_rows的預設值是60，所以20行數據會全部顯示出來。
df = pd.DataFrame(np.random.rand(20, 4))
df.columns = list("ABCD")
df
如果需要截一個數據概要的圖，20行就太多了，可以設置顯示的函數少一些。
pd.set_option("display.max_rows", 10)
df
設置之後，顯示前後5行，中間的用省略號（...）表示。
2.2. max_columns
這個參數是控制顯示的最大列數。
df = pd.DataFrame(np.random.rand(5, 14))
df.columns = list("ABCDEFGHIJKLMN")
df
顯示很長，屏幕窄的話會出現滾動條。
設置 max_columns=5
pd.set_option("display.max_columns", 5)
df
2.3. max_colwidth
這個參數是設置單個列的寬度的，如果某個列的內容太長，可以用這個參數來控制。
比如：
df = pd.DataFrame({
"ID": [1, 2, 3 ],
"title": ["title01", "title02",
"long long long long long title"],
})
df
某個特別長的值會將列的寬度撐大，如果列比價多的時候，會浪費顯示的空間。
通過 max_colwidth 調整列的最大寬度。
pd.set_option("display.max_colwidth", 10)
df
設置最多顯示10個字元，這樣，顯示起來沒有那麼突兀了。
3. 數值精度的參數
除了行列的調整，還有一種就是數值精度的調整。
數值精度的調整有個好處是不用修改原始數據，只是控制它顯示出來的樣子。
3.1. precision
precision是調整數據顯示的精度的參數。
調整前：
df = pd.DataFrame(np.random.rand(3, 4))
df.columns = list("ABCD")
df
調整後：
pd.set_option("display.precision", 2)
df
3.2. float_format
float_format也是調整精度的，不過更加靈活，還可以控制格式化顯示效果。
調整前：
df = pd.DataFrame(np.random.rand(3, 4))
df.columns = list("ABCD")
df
調整後：
pd.set_option("display.float_format",
"{:.2%}".format)
df
直接轉換成百分比方式顯示，比precision更加直觀。
3.3. chop_threshold
chop_threshold 幫助我們在顯示時忽略掉不關註的數據。
比如：
df = pd.DataFrame(np.random.rand(3, 4))
df.columns = list("ABCD")
df
對於0.9以下的數據，我們不太關心，那麼：
pd.set_option("display.chop_threshold", 0.9)
df
這樣，0.9以下的數據都顯示成0，便於我們觀察有多少有效數據。
註意：這裡調整的都是數據顯示出來的樣子，數據實際並沒有改變。
比如上面很多顯示為 0.0 的數據，在 df 中並不是0.0，還是原來的值。
4. 補充
pandas中能夠調整參數還有很多，具體可以參考：
https://pandas.pydata.org/pandas-docs/version/1.5/reference/api/pandas.describe_option.html
