Paraan ng Pandas Set_Option
Ngayon, titingnan natin kung paano gamitin ang function na 'pd.set_option()' upang ipakita ang lahat ng column sa Pandas Dataframe kapag inilalahad ito sa iyong Spyder tool. Upang gamitin ang 'pd.set_option()', sinusunod namin ang ibinigay na syntax:
Simulan natin ang pag-aaral ng konsepto sa tulong ng praktikal na pagpapatupad ng Python program.
Halimbawa: Paggamit ng Pandas Set_Option Paraan para Ipakita ang Lahat ng Mga Column
Ang demonstrasyon na ito ay isang gabay upang ipakita ang lahat ng mga column sa isang DataFrame sa pamamagitan ng paggamit ng Pandas 'set_option()'. Lilinawin namin ang mga detalye ng bawat hakbang para sa pagpapatupad ng Python method na ito.
Ang unang kinakailangan para sa praktikal na pagpapatupad ng script ng Python ay upang malaman ang pinakamahusay na tool kung saan mo ipapatupad ang iyong programa. Ang tool na ginamit namin para sa aming paglalarawan ay ang tool na 'Spyder'. Inilunsad namin ang tool at nagsimulang magtrabaho sa script ng Python.
Simula sa code, kailangan muna naming i-import ang mga kinakailangang aklatan na kailangan namin sa program na ito. Ang unang library na na-load namin sa aming Python file ay ang Pandas library dahil ang mga function na ginagamit namin dito ay ibinigay ng Pandas. Tinawag namin ang library na ito bilang 'pd'. Ang pangalawang library na na-load namin ay ang NumPy library. Ang NumPy (Numerical Python) ay isang numerical computing package na binuo sa Python programming. Ang Import NumPy na seksyon ng code ay nagtuturo sa Python na isama ang NumPy module sa iyong kasalukuyang Python file. Ang 'bilang np' na bahagi ng script ay nagtuturo sa Python na italaga sa NumPy ang 'np' na pagdadaglat. Binibigyang-daan ka nitong gamitin ang mga pamamaraan ng NumPy sa pamamagitan ng paglalagay ng “np.function_name” sa halip na NumPy.
Ngayon, magsisimula tayo sa pangunahing code. Ang pangunahin at pangunahing pangangailangan para sa aming programa ay ang Pandas DataFrame. Kaya, ipinapakita namin ang lahat ng mga column na nilalaman nito. Ngayon, ganap na nasa iyo kung gusto mong lumikha ng DataFrame na may mga tinukoy na halaga o kung kailangan mong mag-import ng CSV file. Ang pinili namin para sa pagkakataong ito ay ang paggawa ng DataFrame na may mga halaga ng NaN. Ginamit namin ang 'pd.DataFrame()' na paraan upang bumuo ng DataFrame. Dito, nagbigay kami ng dalawang parameter - 'index' at 'mga hanay'. Ang argumentong 'index' ay tumutukoy sa mga row na nangangahulugang itinakda namin ang mga row para sa DataFrame.
Itinalaga namin ang parameter na 'index' at ang function na NumPy na 'np.arange() na may bilang ng halaga na '6'. Bumubuo ito ng anim na row para sa DataFrame. Pinuno nito ang lahat ng mga entry ng mga halaga ng NaN dahil hindi namin ito ibinigay ng anumang halaga. Ang argumentong 'columns', gaya ng tinukoy ng pangalan, ay ginagamit upang itakda ang mga column para sa DataFrame. Itinalaga rin dito ang function na 'np.arange()' na may bilang ng value na '25' para sa mga column. Kaya, ito ay bumubuo ng 25 mga hanay para sa DataFrame.
Dahil dito, kapag tinawag namin ang function na 'pd.DataFrame()', mayroon kaming DataFrame na may 25 column at 6 na row na puno ng mga null value. Para sa pangangailangang mapanatili ang DataFrame na ito, kinakailangan naming bumuo ng isang DataFrame object na nag-iimbak ng nilalaman nito. Samakatuwid, gumawa kami ng object ng DataFrame na 'random' at itinalaga dito ang resulta na makukuha namin mula sa pamamaraang 'pd.DataFrame()'. Ngayon, tiyak na gusto mong makita ang DataFrame na nabuo. Ang Python ay nagbibigay sa amin ng isang paraan upang tingnan ang output sa screen na kung saan ay ang 'print()' function. Ginamit namin ang pamamaraang ito sa pamamagitan ng pagpasa sa object ng DataFrame na 'random' bilang parameter nito.
Kapag isinagawa namin ang snippet ng code na ito, makukuha namin ang aming DataFrame na may mga halaga ng NaN na ipinapakita sa terminal. Dito, mapapansin natin na ang ilan sa mga unang column at iilan lamang mula sa dulo ang nakikita. Ang lahat ng nasa pagitan ng mga column ay pinutol. Bilang default, itinatago nito ang ilan sa mga row at column para maiwasan ang paggawa ng pagkabigo para sa user sa pamamagitan ng pagpapakita ng malalaking dataset.
Maaari mo ring suriin ang bilang ng kabuuang mga column sa isang DataFrame sa pamamagitan ng paggamit ng 'len()' function ng Pandas. Isulat ang function na 'len()' sa console ng iyong tool na 'Spyder'. Isulat ang pangalan ng DataFrame sa pagitan ng mga panaklong nito gamit ang property na '.columns'. Ibinabalik nito sa amin ang kabuuang haba ng mga column sa iyong DataFrame.
Ibinabalik nito ang haba ng aming DataFrame na 25.
Ngayon, ang susunod at pangunahing gawain ay baguhin ang default na opsyon upang ipakita ang output. Maaaring may mga pagkakataon kung saan gusto mong tingnan ang buong DataFrame sa terminal. Dahil sa mga default na halaga, maraming mga entry ang napuputol na nagiging sanhi ng pagkabigo para sa user. Matututunan mo dito kung paano malalampasan ang isyung ito. Nagbibigay sa amin ang Pandas ng function na 'pd.set_option()' upang baguhin ang mga default na setting ng display. Pagkatapos mismong ipakita ang DataFrame sa console, ginagamit namin ang 'pd.set_option()' na paraan. Tinukoy namin ang parameter sa pagitan ng mga panaklong ng function na ito na kailangan naming gamitin upang ipakita ang lahat ng mga column ng DataFrame.
Dito, ginamit namin ang 'display.max_columns' upang ipakita ang maximum na mga column sa aming DataFrame. Maaari din naming tukuyin ang halaga para sa parameter na ito, ibig sabihin, ang maximum na mga column na gusto mong ipakita. Sa kabilang banda, itinakda namin ang 'display.max_columns' sa 'Wala' na nagpapakita ng lahat ng column mula sa DataFrame na may maximum na haba. Sa wakas, ginamit namin ang function na 'print()' upang ipakita ang resultang DataFrame kasama ang lahat ng column na makikita sa terminal.
Kapag pinindot namin ang opsyong 'Run file' sa tool na 'Spyder', maaari naming tingnan ang isang DataFrame na ipinapakita. Ang DataFrame na ito ay may anim na row at ang bilang ng mga column na hawak nito ay 25. Walang mga column na pinutol dahil ang function na 'pd.set_option()' na may maximum na haba ng column ay pinagana ngayon.
Maaari pa nga nating i-reset ang opsyon sa pagpapakita dahil sa sandaling itakda na natin ang haba ng display sa maximum, patuloy itong ipapakita ang DataFrames kasama ang lahat ng column sa loob ng partikular na Python file na iyon. Para dito, ginagamit namin ang Pandas 'pd.reset_option()'. Ginagamit namin ang function na ito at ibinibigay ang 'display.max_columns' bilang parameter ng function na ito.
Nakukuha nito sa amin ang mga unang setting ng display para sa ibinigay na DataFrame.
Konklusyon
Upang tingnan ang kumpletong output sa terminal na may malaking dataset kung minsan ay nagdudulot sa amin ng problema kapag ang mga default na setting ng tool ay sumasalungat sa mga pangangailangan ng user. Upang malutas ang pag-urong na ito, binibigyan kami ng Pandas ng 'pd.set_option()' na paraan. Sa gabay sa pag-aaral na ito, ipinakilala namin sa iyo ang paraang ito at ang pangangailangang gamitin ito. Ipinakita namin ang paksa sa praktikal na pinagsama-sama at naisakatuparan na mga sample code ng Python. Ibinigay namin ang mga kinalabasan ng ilustrasyon na isinagawa sa 'Spyder'. Ipinaliwanag namin kung paano ipapakita ang lahat ng column ng DataFrame sa console sa pamamagitan ng pagbabago sa mga default na setting pati na rin ang pag-reset ng lahat ng setting sa inisyal. Ang pagbibigay ng ganap na nakatutok na atensyon sa praktikal na pagpapatupad ng modyul ay nagbibigay-daan sa iyo upang magamit ito sa tuwing makakatagpo ka ng ganitong problema.