แพนด้าแสดงแถวสูงสุด

แพนด้าเป็นเครื่องมือที่นิยมใช้กันมากที่สุดในปัจจุบันโดยนักวิทยาศาสตร์ด้านข้อมูลเพื่อวิเคราะห์ข้อมูลแบบตาราง เพื่อจัดการกับเนื้อหาแบบตาราง มี API ที่รวดเร็วและมีประสิทธิภาพมากขึ้น เมื่อใดก็ตามที่เราดูเฟรมข้อมูลระหว่างการวิเคราะห์ Pandas จะตั้งค่าลักษณะการแสดงผลต่างๆ ให้เป็นค่าเริ่มต้นโดยอัตโนมัติ ลักษณะการแสดงผลเหล่านี้รวมถึงจำนวนแถวและคอลัมน์ที่จะแสดง ความแม่นยำของการลอยในแต่ละเฟรมข้อมูล ขนาดคอลัมน์ ฯลฯ  เราอาจต้องแก้ไขค่าเริ่มต้นเหล่านี้เป็นครั้งคราว ทั้งนี้ขึ้นอยู่กับข้อกำหนด แพนด้ามีวิธีการที่หลากหลายในการปรับเปลี่ยนพฤติกรรมเริ่มต้น การใช้ประโยชน์จากแอตทริบิวต์ 'ตัวเลือก' ของแพนด้าทำให้เราเปลี่ยนแปลงพฤติกรรมนี้ได้

นุ่นแสดงแถวสูงสุด

เมื่อใดก็ตามที่คุณพยายามพิมพ์กรอบข้อมูลขนาดใหญ่ที่มีแถวและคอลัมน์มากกว่าเกณฑ์ที่กำหนดไว้ล่วงหน้า เอาต์พุตจะถูกตัดออก ในการแสดงแถวทั้งหมดใน DataFrame คุณจะได้เรียนรู้วิธีแก้ไขตัวเลือกการแสดงผลของ Pandas ในบทช่วยสอนนี้ ตามค่าเริ่มต้น Pandas จะกำหนดขีดจำกัดจำนวนคอลัมน์และแถวที่แสดง แม้ว่าสิ่งนี้อาจเป็นประโยชน์สำหรับการอ่านเนื้อหา แต่ก็มักจะทำให้เกิดความหงุดหงิดหากข้อมูลที่คุณต้องการดูไม่ปรากฏ ที่นี่ เราจะใช้เมธอดที่ระบุด้านล่างพร้อมไวยากรณ์เพื่อแสดงคอลัมน์ทั้งหมดของดาต้าเฟรม

to_string()

set_option()

option_context()

เราจะเรียนรู้การใช้ประโยชน์จากวิธีการเหล่านี้ทั้งหมดด้วยการใช้งานจริงเพื่อแสดงแถวสูงสุดใน dataframe ที่ให้มา

ตัวอย่าง # 1: การใช้ Pandas to_string() Method

การสาธิตนี้จะสอนให้เราแสดงแถวสูงสุดใน dataframe บนเทอร์มินัลโดยใช้เมธอด “to_string()” ของแพนด้า

สำหรับการคอมไพล์และการทำงานของโปรแกรมตัวอย่าง เราได้เลือกเครื่องมือ “Spyder” ในคู่มือนี้ เราจะใช้เครื่องมือนี้เพื่อดำเนินการตามตัวอย่างทั้งหมดของเรา เราได้เปิดตัวเครื่องมือ “Spyder” เพื่อเริ่มเขียนสคริปต์หลาม เริ่มต้นด้วยโค้ด อันดับแรก เราต้องโหลดไลบรารีที่จำเป็นลงในไฟล์ python ของเราก่อน เพื่อที่เราจะได้รับอนุญาตให้ใช้คุณลักษณะต่างๆ ของมันได้ ไลบรารีโมดูลที่เราต้องการที่นี่คือ 'แพนด้า' ดังนั้นเราจึงนำเข้าไฟล์ python ของเราและใช้นามแฝงเป็น 'pd'

เนื่องจากการดำเนินการหลักของบทความนี้คือการแสดงแถวสูงสุดของ dataframe เราจึงจำเป็นต้องมี dataframe ก่อน ตอนนี้ขึ้นอยู่กับคุณแล้วว่าคุณต้องการสร้างดาต้าเฟรมหรือนำเข้าไฟล์ CSV เราได้นำเข้าไฟล์ CSV ตัวอย่างแล้ว สำหรับการอ่านไฟล์ CSV ในโปรแกรม python เราใช้ฟังก์ชัน pandas “pd.read_csv()” ระหว่างวงเล็บของฟังก์ชันนี้ เราได้จัดเตรียมไฟล์ CSV ที่เราต้องการอ่านบนหน้าจอ ซึ่งก็คือ 'industry.csv' เราได้สร้างตัวแปร “df” เพื่อจัดเก็บผลลัพธ์ที่สร้างขึ้นจากการอ่านไฟล์ CSV ที่ให้มา จากนั้น เราเรียกใช้เมธอด “print()” เพื่อแสดงดาต้าเฟรม

เมื่อเราเรียกใช้โปรแกรมหลามนี้โดยกดปุ่มตัวเลือก 'เรียกใช้ไฟล์' ดาต้าเฟรมจะแสดงบนคอนโซล คุณสามารถสังเกตว่ามี 43 แถวในผลลัพธ์ด้านล่าง แต่แสดงเพียงสิบแถวเท่านั้น เนื่องจากค่าเริ่มต้นของไลบรารี Pandas มีเพียง 10 แถวเท่านั้น

เราจะใช้วิธี pandas “to_string” เพื่อแสดงแถวทั้งหมดที่นี่ วิธีตรงไปตรงมาที่สุดในการแสดงแถวสูงสุดจากกรอบข้อมูลคือเทคนิคนี้ อย่างไรก็ตาม เนื่องจากมันเปลี่ยนกรอบข้อมูลทั้งหมดให้เป็นสตริงเดียว จึงไม่แนะนำสำหรับชุดข้อมูลที่มีขนาดใหญ่มาก (ในหน่วยหลักล้าน) อย่างไรก็ตาม การทำงานนี้มีประสิทธิภาพสำหรับชุดข้อมูลที่มีความยาวนับพัน

เราได้ปฏิบัติตามไวยากรณ์ที่ให้ไว้ด้านบนสำหรับฟังก์ชัน “to_string()” เราเพียงแค่เรียกใช้เมธอด “to_string()” ด้วยชื่อของดาต้าเฟรมของเรา จากนั้นเราวางเมธอดนี้ลงในฟังก์ชัน “print()” เพื่อแสดงเมื่อเรียกใช้

สแน็ปช็อตเอาต์พุตแสดงดาต้าเฟรมพร้อมแถวทั้งหมดที่แสดงบนเทอร์มินัล

ตัวอย่าง # 2: การใช้ Pandas set_option Method

วิธีที่สองที่เราจะฝึกในคู่มือนี้คือ pandas “set_option()” เพื่อแสดงแถวสูงสุดของ dataframe ที่ให้มา

ในไฟล์ python เราได้นำเข้าไลบรารี pandas เพื่อเข้าถึงฟังก์ชันที่กล่าวถึงข้างต้น เราใช้แพนด้า “pd.read_csv()” เพื่ออ่านไฟล์ CSV ที่ให้มา เราเรียกใช้ฟังก์ชัน “pd.read_CSV()” ด้วยชื่อไฟล์ CSV ที่เราต้องการใช้ระหว่างวงเล็บคือ “Sampledata.csv” เมื่อนำเข้าไฟล์ CSV ให้นึกถึงไดเร็กทอรีการทำงานปัจจุบันของโปรแกรม Python ไฟล์ CSV ของคุณต้องอยู่ในไดเร็กทอรีเดียวกัน มิฉะนั้น คุณจะได้รับข้อความแสดงข้อผิดพลาด “ไม่พบไฟล์” เราได้สร้างตัวแปร 'ตัวอย่าง' เพื่อจัดเก็บดาต้าเฟรมจากไฟล์ CSV เราเรียกเมธอด “print()” เพื่อแสดงดาต้าเฟรมนี้

ที่นี่ เรามีผลลัพธ์ที่แสดงเพียงสิบแถวเท่านั้น จำนวนแถวสูงสุดที่ระบุคือ 99 แถวอื่นๆ ทั้งหมดระหว่าง 5 แถวแรกและ 5 แถวสุดท้ายจะถูกตัดทอน

ในการแสดงแถวสูงสุดที่ 99 สำหรับดาต้าเฟรมนี้ เราจะใช้ฟังก์ชัน “set_option()” ของโมดูลแพนด้า Pandas มาพร้อมกับระบบปฏิบัติการที่ให้คุณเปลี่ยนพฤติกรรมและการแสดงผลได้ วิธีนี้ช่วยให้เราสามารถตั้งค่าการแสดงผลให้แสดงกรอบข้อมูลแบบเต็ม แทนที่จะเป็นกรอบที่ถูกตัดทอน Pandas มีฟังก์ชัน “set_ option()” สำหรับแสดงแถวทั้งหมดของ data frame

เราได้เรียกใช้ “pd.set_option()” ฟังก์ชันนี้มีพารามิเตอร์ “display.max_rows” “display.max_rows” ระบุจำนวนแถวสูงสุดที่จะแสดงเมื่อแสดงดาต้าเฟรม ค่าของ “max_rows” ถูกตั้งค่าเป็น 10 โดยค่าเริ่มต้น หากเลือก 'ไม่มี' แสดงว่าแถวทั้งหมดในกรอบข้อมูล เนื่องจากเราต้องการแสดงแถวทั้งหมด เราจึงตั้งค่าเป็น 'ไม่มี' สุดท้ายนี้ เราใช้ฟังก์ชัน “print()” เพื่อแสดง dataframe ที่มีแถวสูงสุด

สิ่งนี้ให้ผลลัพธ์ที่ให้ไว้ในภาพรวมด้านล่าง

ตัวอย่าง # 3: การใช้ Pandas option_context() Method

วิธีสุดท้ายที่เรากำลังพูดถึงที่นี่คือ “option_context()” เพื่อแสดงแถวของ dataframe ทั้งหมด สำหรับสิ่งนี้ เรานำเข้าแพ็คเกจ pandas ลงในไฟล์ python และเริ่มเขียนโค้ด เราใช้ฟังก์ชัน “pd.read_csv()” เพื่ออ่านไฟล์ CSV ที่เราระบุ เราได้สร้างตัวแปร “dalta” เพื่อจัดเก็บ dataframe จากไฟล์ CSV ที่ระบุ จากนั้น เราก็พิมพ์ dataframe ด้วยวิธี “print()”

ผลลัพธ์ที่เราได้รับจากการรันโค้ดด้านบนแสดงให้เราเห็น dataframe ที่มีแถวที่ถูกตัดทอน

ตอนนี้เราจะใช้แพนด้า “pd.option_context()” กับดาต้าเฟรมนี้ ฟังก์ชันนี้เหมือนกับ 'set_option()' ความแตกต่างเพียงอย่างเดียวระหว่างสองวิธีคือ 'set_option()' เปลี่ยนการตั้งค่าอย่างถาวร ในขณะที่ 'option _context()' เพิ่งเปลี่ยนการตั้งค่าภายในขอบเขต เมธอดนี้ยังใช้แถว display.max เป็นพารามิเตอร์ ซึ่งเราตั้งค่าเป็น 'ไม่มี' เพื่อแสดงแถวทั้งหมดของกรอบข้อมูล หลังจากเรียกใช้ฟังก์ชันนี้ เราก็แสดงผ่านเมธอด “print()”

ที่นี่ เราสามารถดู dataframe ทั้งหมดที่มีแถวสูงสุดซึ่งก็คือ 2747

บทสรุป

บทความนี้เน้นที่ตัวเลือกการแสดงผลของแพนด้า บางครั้งเราอาจต้องดูดาต้าเฟรมแบบเต็มบนเทอร์มินัล แพนด้ามีทางเลือกมากมายสำหรับจุดประสงค์นั้น ในคู่มือนี้ เราได้ใช้สามกลยุทธ์เหล่านี้ ตัวอย่างแรกใช้วิธีการ “to_string()” ตัวอย่างที่สองของเราสอนให้เราปรับใช้ “set_option()” ในขณะที่ภาพประกอบสุดท้ายดำเนินการ “option_context()” วิธีการ เทคนิคทั้งหมดเหล่านี้แสดงให้เห็นเพื่อให้คุณคุ้นเคยกับวิธีทางเลือกที่แพนด้ามอบให้เราเพื่อให้ได้ผลลัพธ์ที่ต้องการ