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。

1. describe_option：獲取參數的描述信息
2. get_option：獲取參數的值
3. set_option：設置參數的值
4. 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