通过pandas的使用，我们经常要交互式地展示表格（dataframe）、分析表格。而表格的格式就显得尤为重要了，因为大部分时候如果我们直接展示表格，格式并不是很友好。
其实呢，这些痛点都可以通过pandas的option来解决。短短几行代码，只要提前配置好，一次设置好，全局生效，perfect！
# 使用方法 import pandas as pd pd.set_option() pd.get_option() # 使用属性，例如展示的最大行数 pd.option.display.max_rows
东哥整理了8个常用的配置选项，供大家参考。记住这8个option代码，下次直接粘贴进去，效率可以提高很多，爽歪歪。
- 显示更多行
- 显示更多列
- 改变列宽
- 设置float列的精度
- 数字格式化显示
- 更改绘图方法
- 配置info()的输出
- 打印出当前设置并重置所有选项
1. 显示更多行
默认情况下，pandas 是不超出屏幕的显示范围的，如果表的行数很多，它会截断中间的行只显示一部分。我们可以通过设置display.max_rows来控制显示的最大行数，比如我想设置显示200行。
pd.set_option('display.max_rows', 200) # pd.options.display.max_rows = 200
如果行数超过了display.max_rows，那么display.min_rows将确定显示的部分有多少行。因为display.min_rows的默认行数为5，,下面例子只显示前5行和最后5行，中间的所有行省略。
同理，也可根据自己的习惯显示可显示的行数，比如10, 20..
pd.set_option('display.min_rows', 10) # pd.options.display.min_rows = 10
还可以直接重置。
# 重置 pd.reset_option('display.max_rows')
2. 显示更多列
行可以设置，同样的列也可以设置，display.max_columns控制着可显示的列数，默认值为20。
pd.get_option('display.max_columns') # pd.options.display.max_columns 20
3. 改变列宽
pandas对列中显示的字符数有一些限制，默认值为50字符。所以，有的值字符过长就会显示省略号。如果想全部显示，可以设置display.max_colwidth，比如设置成500。
pd.set_option ('display.max_colwidth',500) # pd.options.display.max_colwidth = 500
4. 设置float列的精度
对于float浮点型数据，pandas默认情况下只显示小数点后6位。我们可以通过预先设置display.precision让其只显示2位，避免后面重复操作。
pd.set_option( 'display.precision',2) # pd.options.display.precision = 2
这个设置不影响底层数据，它只影响浮动列的显示。
5. 数字格式化显示
pandas中有一个选项display.float_formatoption可以用来格式化任何浮点列。这个仅适用于浮点列，对于其他数据类型，必须将它们转换为浮点数才可以。
用逗号格式化大值数字
例如 1200000 这样的大数字看起来很不方便，所以我们用逗号进行分隔。
pd.set_option('display.float_format','{:,}'.format)
设置数字精度
和上面display.precision有点类似，假如我们只关心小数点后的2位数字，我们可以这样设置格式化：
pd.set_option('display.float_format', '{:,.2f}'.format)
百分号格式化
如果我们要显示一个百分比的列，可以这样设置。
pd.set_option('display.float_format', '{:.2f}%'.format)
或者其它币种的符号等均可，只需要在大括号{}前后添加即可。
6. 更改绘图方法
默认情况下，pandas使用matplotlib作为绘图后端。从 0.25 版本开始，pandas提供了使用不同后端选择，比如plotly，bokeh等第三方库，但前提是你需要先安装起来。
这个东哥之前也分享过设置后端可视化方法的内容：再见，可视化！你好，pandas！
设置很简单，只要安装好三方库后，同样只需要一行。
import pandas as pd import numpy as np pd.set_option('plotting.backend', 'altair') data = pd.Series(np.random.randn(100).cumsum()) data.plot()
7. 配置info()的输出
pandas中我们经常要使用info()来快速查看DataFrame的数据情况。但是，info这个方法对要分析的最大列数是有默认限制的，并且如果数据集中有null，那么在大数据集计数统计时会非常慢。
pandas提供了两种选择：
display.max_info_columns: 设置要分析的最大列数，默认为100。display.max_info_rows: 设置计数null时的阈值，默认为1690785。
比如，在分析有 150 个特征的数据集时，我们可以设置display.max_info_columns为涵盖所有列的值，比如将其设置为 200：
pd.set_option('display.max_info_columns', 200)
在分析大型数据集时，df.info()由于要计算所有null，导致速度很慢。因此我们可以简单地设置display.max_info_rows为一个小的值来避免计数，例如只在行数不超过5时才计数null：
pd.set_option('display.max_info_rows', 5)
8. 打印出当前设置并重置所有选项
pd.describe_option()将打印出设置的描述及其当前值。
pd.describe_option()
还可以打印特定的选项，例如，行显示。
# 具体的搜索 pd.describe_option('rows')
最后，我们还可以直接全部重置。
pd.reset_option('all')
以上就是8个常用set_option的使用，下面进行了汇总，方便大家粘贴使用。
pd.set_option('display.max_rows',xxx) # 最大行数 pd.set_option('display.min_rows',xxx) # 最小显示行数 pd.set_option('display.max_columns',xxx) # 最大显示列数 pd.set_option ('display.max_colwidth',xxx) #最大列字符数 pd.set_option( 'display.precision',2) # 浮点型精度 pd.set_option('display.float_format','{:,}'.format) #逗号分隔数字 pd.set_option('display.float_format', '{:,.2f}'.format) #设置浮点精度 pd.set_option('display.float_format', '{:.2f}%'.format) #百分号格式化 pd.set_option('plotting.backend', 'altair') # 更改后端绘图方式 pd.set_option('display.max_info_columns', 200) # info输出最大列数 pd.set_option('display.max_info_rows', 5) # info计数null时的阈值 pd.describe_option() #展示所有设置和描述 pd.reset_option('all') #重置所有设置选项
原创不易，欢迎点赞、留言、分享，支持我继续写下去。
