निराकरण: पांडा सर्व स्तंभ दर्शवतात

Pandas ही एक लोकप्रिय Python लायब्ररी आहे जी डेटा हाताळणी आणि विश्लेषणासाठी वापरली जाते, डेटा स्ट्रक्चर्स ऑफर करते, जसे की DataFrames आणि Series, ज्यामुळे डेटाचे विश्लेषण करणे, साफ करणे आणि कार्यक्षमतेने प्रक्रिया करणे सोपे होते. काहीवेळा, मोठ्या डेटासेटसह कार्य करताना, सर्व स्तंभ कापल्याशिवाय प्रदर्शित करण्यास सक्षम असणे आवश्यक आहे. या लेखात, आपण पांडा डेटाफ्रेममधील सर्व स्तंभ कोणत्याही निर्बंधांशिवाय कसे दाखवायचे ते शिकू.

Pandas DataFrame मधील सर्व स्तंभ दर्शविण्यासाठी, तुम्हाला `pandas.set_option()` फंक्शन वापरून काही प्रदर्शन पर्याय कॉन्फिगर करावे लागतील. हे फंक्शन तुम्हाला डिस्प्ले वर्तन सानुकूलित करण्याची परवानगी देते, जसे की स्तंभांची संख्या, स्तंभाची कमाल रुंदी आणि बरेच काही.

import pandas as pd

# Create a sample DataFrame with multiple columns
data = {"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9], ...}

df = pd.DataFrame(data)

# Configure display options
pd.set_option("display.max_columns", None)

# Now, display the DataFrame with all columns
print(df)

वरील कोड स्निपेटमध्ये, आम्ही प्रथम Pandas लायब्ररी `pd` म्हणून आयात करतो. आम्ही सूचीचा शब्दकोश वापरून अनेक स्तंभांसह नमुना DataFrame `df` तयार करतो. त्यानंतर, आम्ही `pd.set_option()` चा वापर `काहीही नाही` म्हणून दाखविल्या जाणार्‍या स्तंभांची कमाल संख्या कॉन्फिगर करण्यासाठी करतो. ही सेटिंग पांडांना कोणत्याही मर्यादांशिवाय सर्व स्तंभ दर्शवू देते. शेवटी, आम्ही सर्व कॉलम्ससह डेटाफ्रेम प्रिंट करतो.

पांडा सेट_ऑप्शन () समजून घेणे

पांडा सेट_ऑप्शन() हे एक शक्तिशाली फंक्शन आहे जे तुम्हाला तुमच्या डेटाफ्रेम्स आणि सिरीजच्या डिस्प्ले सेटिंग्ज सानुकूलित करण्याची परवानगी देते. या फंक्शनमध्ये अनेक पर्याय आहेत, जसे की कॉलम्सची संख्या बदलणे, कॉलमची कमाल रुंदी बदलणे आणि जास्तीत जास्त पंक्ती सेट करणे.

मागील उदाहरणात वापरल्याप्रमाणे एक महत्त्वाचा पर्याय म्हणजे `display.max_columns`. हा पर्याय `काहीही नाही' वर सेट केल्याने, पांडा कोणत्याही मर्यादेशिवाय सर्व स्तंभ दाखवतील. कोडचे तपशीलवार स्पष्टीकरण असलेले दुसरे उदाहरण येथे आहे:

import pandas as pd

# Create a sample DataFrame with a large number of columns
data = {"A": [1, 2, 3], "B": [4, 5, 6], "C": [7, 8, 9], ...}

df = pd.DataFrame(data)

# Configure display options
pd.set_option("display.max_columns", 5)  # Display up to 5 columns

# Print the DataFrame
print(df)

या उदाहरणात, आम्ही `pd.set_option()` वापरून `display.max_columns` चे मूल्य 5 वर सेट करतो. याचा अर्थ असा की पांडा एका वेळी 5 स्तंभांपर्यंत प्रदर्शित करेल, कोणतेही अतिरिक्त स्तंभ लपवेल. जेव्हा तुम्हाला चांगल्या वाचनीयतेसाठी ठराविक स्तंभ प्रदर्शित करावे लागतात तेव्हा हे उपयुक्त ठरते.

इतर पांडा डिस्प्ले पर्याय

`display.max_columns` पर्याय वापरून सर्व स्तंभ दाखवण्याव्यतिरिक्त, इतर अनेक डिस्प्ले पर्याय आहेत जे तुम्ही तुमच्या गरजेनुसार DataFrame व्हिज्युअलायझेशन सानुकूलित करण्यासाठी कॉन्फिगर करू शकता. काही सामान्य पर्यायांमध्ये हे समाविष्ट आहे:

  • display.max_rows: प्रदर्शित करण्यासाठी जास्तीत जास्त पंक्ती सेट करा. `display.max_columns` प्रमाणेच, तुम्ही सर्व पंक्ती प्रदर्शित करण्यासाठी हा पर्याय `None` वर सेट करू शकता.
  • display.width: डिस्प्लेची रुंदी वर्णांमध्ये सेट करा. आउटपुटच्या रेषेची रुंदी नियंत्रित करण्यासाठी तुम्ही ही सेटिंग वापरू शकता.
  • display.max_colwidth: वर्णांमध्ये स्तंभांची कमाल रुंदी सेट करा. प्रत्येक कॉलम सेलमध्ये प्रदर्शित वर्णांची संख्या मर्यादित करण्यासाठी तुम्ही हा पर्याय वापरू शकता.

हे पर्याय अंमलात आणण्यासाठी, त्यांना फक्त `pd.set_option()` फंक्शनमध्ये वितर्क म्हणून पास करा:

import pandas as pd

# Configure display options
pd.set_option("display.max_rows", None)
pd.set_option("display.width", 120)
pd.set_option("display.max_colwidth", 20)

# Read a large dataset
df = pd.read_csv('large_dataset.csv')

# Display the DataFrame with the specified settings
print(df)

शेवटी, मोठ्या डेटासेटसह काम करताना Pandas DataFrame मधील सर्व स्तंभ प्रदर्शित करणे हे एक आवश्यक कार्य आहे. `pd.set_option()` वापरून आणि `display.max_columns` पर्यायामध्ये बदल करून, तुम्ही कोणत्याही निर्बंधांशिवाय सर्व स्तंभ दाखवण्यासाठी डिस्प्ले सेटिंग्ज सहजपणे कॉन्फिगर करू शकता. याव्यतिरिक्त, तुमच्या गरजेनुसार DataFrame व्हिज्युअलायझेशन पुढे सानुकूलित करण्यासाठी तुम्ही `display.max_rows` आणि `display.width` सारखे इतर डिस्प्ले पर्याय वापरू शकता.

संबंधित पोस्ट:

एक टिप्पणी द्या