透過
pandas
的使用，我們經常要互動式地展示表格（
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，格式並不是很友好。
其實呢，這些痛點都可以透過
pandas
的
option
來解決。短短几行程式碼，只要提前配置好，一次設定好，全域性生效，perfect！
# 使用方法import pandas as pdpd。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程式碼，下次直接貼上進去，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
設定float列的精度
數字格式化顯示
更改繪圖方法
配置info（）的輸出
打印出當前設定並重置所有選項
1。 顯示更多行
預設情況下，
pandas
是不超出螢幕的顯示範圍的，如果表的行數很多，它會截斷中間的行只顯示一部分。我們可以透過設定
display。max_rows
來控制顯示的最大行數，比如我想設定顯示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
，那麼
display。min_rows
將確定顯示的部分有多少行。因為
display。min_rows
的預設行數為5，，下面例子只顯示前5行和最後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
行可以設定，同樣的列也可以設定，
display。max_columns
控制著可顯示的列數，預設值為20。
pd。get_option（‘display。max_columns’） # pd。options。display。max_columns20
3。 改變列寬
pandas
對列中顯示的字元數有一些限制，預設值為50字元。所以，有的值字元過長就會顯示省略號。如果想全部顯示，可以設定
display。max_colwidth
，比如設定成500。
pd。set_option （‘display。max_colwidth’，500）# pd。options。display。max_colwidth = 500
4。 設定float列的精度
對於float浮點型資料，
pandas
預設情況下只顯示小數點後6位。我們可以透過預先設定
display。precision
讓其只顯示2位，避免後面重複操作。
pd。set_option（ ‘display。precision’，2）# pd。options。display。precision = 2
這個設定不影響底層資料，它隻影響浮動列的顯示。
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。這個僅適用於浮點列，對於其他資料型別，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）
設定數字精度
和上面
display。precision
有點類似，假如我們只關心小數點後的2位數字，我們可以這樣設定格式化：
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，可以這樣設定。
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
{}
前後新增即可。
6。 更改繪圖方法
預設情況下，
pandas
使用
matplotlib
作為繪圖後端。從 0。25 版本開始，
pandas
提供了使用不同後端選擇，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定後端視覺化方法的內容：再見，視覺化！你好，pandas！
設定很簡單，只要安裝好三方庫後，同樣只需要一行。
import pandas as pdimport numpy as nppd。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（）
來快速檢視
DataFrame
的資料情況。但是，
info
這個方法對要分析的最大列數是有預設限制的，並且如果資料集中有
null
，那麼在大資料集計數統計時會非常慢。
pandas
提供了兩種選擇：
display。max_info_columns
： 設定要分析的最大列數，預設為100。
display。max_info_rows
： 設定計數null時的閾值，預設為1690785。
比如，在分析有 150 個特徵的資料集時，我們可以設定
display。max_info_columns
為涵蓋所有列的值，比如將其設定為 200：
pd。set_option（‘display。max_info_columns’， 200）
在分析大型資料集時，df。info（）由於要計算所有
null
，導致速度很慢。因此我們可以簡單地設定
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。 打印出當前設定並重置所有選項
pd。describe_option（）
將打印出設定的描述及其當前值。
pd。describe_option（）
還可以列印特定的選項，例如，行顯示。
# 具體的搜尋pd。describe_option（‘rows’）
最後，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，下面進行了彙總，方便大家貼上使用。
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） #最大列字元數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） #設定浮點精度pd。set_option（‘display。float_format’， ‘{：。2f}%’。format） #百分號格式化pd。set_option（‘plotting。backend’， ‘altair’） # 更改後端繪圖方式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（） #展示所有設定和描述pd。reset_option（‘all’） #重置所有設定選項
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
原文： https：//mp。weixin。qq。com/s/t3txvsJqy1xepsFRy2xi8w
