판다는 오늘날 데이터 과학자들이 표 형식의 데이터를 분석하는 데 사용하는 가장 인기 있는 도구 중 하나입니다. 표 형식의 콘텐츠를 처리하기 위해 더 빠르고 효과적인 API를 제공합니다. 분석 중에 데이터 프레임을 볼 때마다 Pandas는 자동으로 다양한 표시 동작을 기본값으로 설정합니다. 이러한 표시 동작에는 표시할 행과 열 수, 각 데이터 프레임의 부동 소수점 정확도, 열 크기 등이 포함됩니다. 요구사항에 따라 때때로 이러한 기본값을 수정해야 할 수도 있습니다. 팬더에는 기본 동작을 변경하기 위한 다양한 접근 방식이 있습니다. pandas의 'options' 속성을 활용하여 이 동작을 변경할 수 있었습니다.
팬더는 최대 행을 표시합니다.
미리 정의된 임계값보다 더 많은 행과 열이 포함된 거대한 데이터 프레임을 인쇄하려고 할 때마다 출력이 잘립니다. DataFrame의 모든 행을 표시하려면 이 자습서에서 Pandas의 표시 옵션을 수정하는 방법을 배웁니다. Pandas는 기본적으로 표시되는 열과 행 수에 제한을 둡니다. 이것은 콘텐츠를 읽는 데 유용할 수 있지만 보려는 정보가 표시되지 않으면 종종 좌절감을 느끼게 됩니다. 여기서는 데이터 프레임의 모든 열을 표시하기 위해 구문과 함께 아래에 제공된 메서드를 사용합니다.
to_string()
set_option()
option_context()
제공된 데이터 프레임에 최대 행을 표시하기 위해 실제 구현과 함께 이러한 모든 방법의 활용을 배웁니다.
예제 # 1: Pandas to_string() 메서드 활용
이 데모에서는 pandas 'to_string()' 메서드를 사용하여 터미널의 데이터 프레임에 최대 행을 표시하는 방법을 알려줍니다.
샘플 프로그램의 컴파일 및 실행을 위해 'Spyder' 도구를 선택했습니다. 이 가이드에서는 이 도구를 사용하여 모든 예제를 실행할 것입니다. Python 스크립트 작성을 시작하기 위해 'Spyder' 도구를 출시했습니다. 코드로 시작하여 먼저 필요한 라이브러리를 Python 파일에 로드해야 해당 기능을 사용할 수 있습니다. 여기서 필요한 모듈 라이브러리는 'Pandas'입니다. 그래서 우리는 그것을 파이썬 파일로 가져와서 'pd'로 별명을 붙였습니다.
이 기사의 주요 작업은 데이터 프레임의 최대 행을 표시하는 것이므로 먼저 데이터 프레임이 필요합니다. 이제 데이터 프레임을 생성할지 CSV 파일을 가져올지 여부는 사용자에게 달려 있습니다. 샘플 CSV 파일을 가져왔습니다. CSV 파일을 파이썬 프로그램으로 읽어오기 위해 pandas 'pd.read_csv()' 함수를 사용했습니다. 이 함수의 괄호 사이에는 'industry.csv'라는 디스플레이를 읽고자 하는 CSV 파일을 제공했습니다. 제공된 CSV 파일을 읽고 생성된 출력을 저장하기 위해 변수 'df'를 구성했습니다. 그런 다음 'print()' 메서드를 호출하여 데이터 프레임을 표시합니다.
'파일 실행' 옵션을 눌러 이 파이썬 프로그램을 실행하면 데이터 프레임이 콘솔에 표시됩니다. 아래 결과에는 43개의 행이 있지만 10개만 표시되는 것을 볼 수 있습니다. Pandas 라이브러리의 기본값이 10행에 불과하기 때문입니다.
pandas 메소드 'to_string'을 사용하여 여기에 모든 행을 표시합니다. 데이터 프레임에서 최대 행을 표시하는 가장 간단한 방법은 이 기술을 사용하는 것입니다. 그러나 전체 데이터 프레임을 단일 문자열로 변환하기 때문에 매우 큰 데이터 세트(백만 단위)에는 권장되지 않습니다. 그럼에도 불구하고 이것은 수천 개의 데이터 세트에 대해 효과적으로 작동합니다.
우리는 'to_string()' 함수에 대해 위에서 제공된 구문을 따랐습니다. 우리는 단순히 데이터 프레임의 이름으로 'to_string()' 메서드를 호출했습니다. 그런 다음 이 메서드를 'print()' 함수에 배치하여 호출될 때 표시합니다.
출력 스냅샷은 터미널에 표시되는 모든 행이 있는 데이터 프레임을 보여줍니다.
예제 # 2: Pandas set_option 메서드 활용
이 가이드에서 연습할 두 번째 방법은 제공된 데이터 프레임의 최대 행을 표시하는 pandas 'set_option()'입니다.
python 파일에서 위에서 언급한 기능에 액세스하기 위해 pandas 라이브러리를 가져왔습니다. 제공된 CSV 파일을 읽기 위해 pandas 'pd.read_csv()'를 사용했습니다. 'Sampledata.csv'라는 괄호 사이에 사용하려는 CSV 파일의 이름을 사용하여 'pd.read_CSV()' 함수를 호출했습니다. CSV 파일을 가져올 때 Python 프로그램의 현재 작업 디렉토리를 염두에 두십시오. CSV 파일은 동일한 디렉토리에 있어야 합니다. 그렇지 않으면 '파일을 찾을 수 없습니다'라는 오류 메시지가 표시됩니다. CSV 파일의 데이터 프레임을 저장하기 위해 변수 'sample'을 만들었습니다. 이 데이터 프레임을 표시하기 위해 'print()' 메서드를 호출했습니다.
여기에 10개의 행만 표시되는 출력이 있습니다. 표시된 최대 행 수는 99개입니다. 처음 5개 행과 마지막 5개 행 사이의 다른 모든 행은 잘립니다.
이 데이터 프레임에 대해 최대 99개의 행을 표시하기 위해 pandas 모듈의 'set_option()' 함수를 사용합니다. Pandas는 동작과 표시를 변경할 수 있는 운영 체제와 함께 제공됩니다. 이 방법을 사용하면 잘린 데이터 프레임이 아닌 전체 데이터 프레임을 표시하도록 디스플레이를 설정할 수 있습니다. Pandas는 데이터 프레임의 모든 행을 표시하기 위해 'set_ option()' 함수를 제공합니다.
'pd.set_option()'을 호출했습니다. 이 함수에는 'display.max_rows' 매개변수가 있습니다. 'display.max_rows'는 데이터 프레임을 표시할 때 표시될 최대 행 수를 지정합니다. 'max_rows'의 값은 기본적으로 10으로 설정됩니다. '없음'을 선택하면 데이터 프레임의 모든 행을 나타냅니다. 모든 행을 표시하고 싶으므로 'None'으로 설정합니다. 마지막으로 'print()' 함수를 사용하여 최대 행이 있는 데이터 프레임을 표시합니다.
그러면 아래 스냅샷에 제공된 결과가 생성됩니다.
예제 # 3: Pandas option_context() 메서드 활용
여기서 논의하는 마지막 방법은 모든 데이터 프레임의 행을 표시하는 'option_context()'입니다. 이를 위해 pandas 패키지를 python 파일로 가져오고 코드 작성을 시작했습니다. 우리는 우리가 지정한 CSV 파일을 읽기 위해 'pd.read_csv()' 함수를 사용했습니다. 지정된 CSV 파일의 데이터 프레임을 저장하기 위해 변수 'dalta'를 만들었습니다. 그런 다음 'print()' 메서드를 사용하여 데이터 프레임을 간단히 인쇄했습니다.
위의 코드를 실행하여 얻은 결과는 잘린 행이 있는 데이터 프레임을 보여줍니다.
이제 이 데이터 프레임에 pandas 'pd.option_context()'를 적용합니다. 이 함수는 “set_option()”과 동일합니다. 두 접근 방식의 유일한 차이점은 'set_option()'은 설정을 영구적으로 변경하는 반면 'option _context()'은 범위 내에서 설정을 변경했다는 것입니다. 이 방법은 또한 display.max 행을 매개변수로 사용하며 데이터 프레임의 모든 행을 렌더링하기 위해 'None'으로 설정합니다. 이 함수를 호출한 후 'print()' 메서드를 통해 표시했습니다.
여기에서 최대 행이 2747인 전체 데이터 프레임을 볼 수 있습니다.
결론
이 문서에서는 팬더의 표시 옵션에 중점을 둡니다. 때로는 터미널에서 전체 데이터 프레임을 볼 필요가 있습니다. 팬더는 이를 위해 다양한 옵션을 제공합니다. 이 가이드에서는 이러한 전략 중 세 가지를 사용했습니다. 첫 번째 예제는 'to_string()' 메서드를 사용한 것입니다. 두 번째 인스턴스는 마지막 그림이 'option_context()' 메서드를 실행하는 동안 'set_option()'을 구현하는 방법을 알려줍니다. 이러한 모든 기술은 판다가 필요한 결과를 달성하기 위해 제공하는 대체 방법에 익숙해지도록 시연됩니다.