Pandas Set_Option 메서드
오늘은 'pd.set_option()' 함수를 사용하여 Spyder 도구에 표시할 때 Pandas Dataframe의 모든 열을 표시하는 방법을 살펴보겠습니다. 'pd.set_option()'을 사용하려면 주어진 구문을 따릅니다.
Python 프로그램의 실제 구현을 통해 개념 학습을 시작해 보겠습니다.
예: Pandas Set_Option 메서드를 사용하여 모든 열 표시
이 데모는 Pandas 'set_option()'을 활용하여 DataFrame의 모든 열을 표시하는 가이드입니다. 우리는 이 Python 메소드의 구현을 위한 모든 단계의 세부사항을 명확하게 할 것입니다.
Python 스크립트의 실제 구현을 위한 첫 번째 요구 사항은 프로그램을 실행할 최상의 도구를 찾는 것입니다. 그림에 사용한 도구는 'Spyder' 도구입니다. 우리는 도구를 시작하고 Python 스크립트 작업을 시작했습니다.
코드를 시작으로 처음에는 이 프로그램에 필요한 전제 조건 라이브러리를 가져와야 합니다. Python 파일에 로드한 첫 번째 라이브러리는 여기서 사용하는 함수가 Pandas에서 제공되기 때문에 Pandas 라이브러리입니다. 이 라이브러리의 별칭을 'pd'로 지정했습니다. 로드한 두 번째 라이브러리는 NumPy 라이브러리입니다. NumPy(Numerical Python)는 Python 프로그래밍을 통해 개발된 수치 컴퓨팅 패키지입니다. 코드의 NumPy 가져오기 섹션은 Python이 NumPy 모듈을 현재 Python 파일에 통합하도록 지시합니다. 그런 다음 스크립트의 'as np' 부분은 Python에 NumPy에 'np' 약어를 할당하도록 지시합니다. NumPy 대신 'np.function_name'을 입력하여 NumPy 메소드를 활용할 수 있습니다.
이제 메인 코드부터 시작하겠습니다. 우리 프로그램의 가장 중요하고 근본적인 필요는 Pandas DataFrame입니다. 따라서 포함된 모든 열을 표시합니다. 이제 지정된 값으로 DataFrame을 만들거나 CSV 파일을 가져와야 하는지 여부는 전적으로 귀하에게 달려 있습니다. 이 인스턴스에서 선택한 것은 NaN 값으로 DataFrame을 생성하는 것입니다. DataFrame을 구성하기 위해 'pd.DataFrame()' 메서드를 호출했습니다. 여기에서 'index'와 'columns'라는 두 개의 매개변수를 제공했습니다. 'index' 인수는 DataFrame에 대한 행을 설정한다는 것을 의미하는 행을 나타냅니다.
'index' 매개변수와 NumPy 함수 'np.arange()'를 값 개수 '6'으로 할당했습니다. DataFrame에 대해 6개의 행을 생성합니다. 값을 제공하지 않았기 때문에 모든 항목을 NaN 값으로 채웁니다. 이름에서 알 수 있듯이 'columns' 인수는 DataFrame의 열을 설정하는 데 사용됩니다. 또한 열에 대해 '25' 값 개수가 있는 'np.arange()' 함수가 할당됩니다. 따라서 DataFrame에 대해 25개의 열을 구성합니다.
결과적으로 'pd.DataFrame()' 함수를 호출하면 null 값으로 채워진 25개의 열과 6개의 행이 있는 DataFrame이 있습니다. 이 DataFrame을 보존하기 위해 내용을 저장하는 DataFrame 개체를 빌드해야 합니다. 따라서 DataFrame 개체를 '임의'로 만들고 'pd.DataFrame()' 메서드에서 얻은 결과를 할당했습니다. 이제 DataFrame이 생성되는 것을 확실히 보고 싶을 것입니다. Python은 'print()' 함수인 화면에서 출력을 볼 수 있는 방법을 제공합니다. DataFrame 개체 '임의'를 매개 변수로 전달하여 이 메서드를 호출했습니다.
이 코드 조각을 실행하면 터미널에 NaN 값이 표시된 DataFrame이 표시됩니다. 여기에서 첫 번째 열 중 일부와 끝에서 몇 개만 볼 수 있음을 관찰할 수 있습니다. 중간 열이 모두 잘립니다. 기본적으로 거대한 데이터 세트를 표시하여 사용자에게 좌절감을 주지 않도록 일부 행과 열을 숨깁니다.
Pandas의 'len()' 함수를 사용하여 DataFrame의 총 열 수를 확인할 수도 있습니다. 'Spyder' 도구의 콘솔에 'len()' 함수를 작성하십시오. '.columns' 속성을 사용하여 괄호 사이에 DataFrame의 이름을 씁니다. DataFrame에 있는 열의 총 길이를 반환합니다.
25인 DataFrame의 길이를 반환합니다.
이제 다음 핵심 작업은 출력을 표시하도록 기본 옵션을 변경하는 것입니다. 터미널에서 전체 DataFrame을 보고 싶은 상황이 있을 수 있습니다. 기본값 때문에 많은 항목이 잘려서 사용자에게 실망감을 줍니다. 여기에서 이 문제를 극복하는 방법을 배우게 됩니다. Pandas는 기본 디스플레이 설정을 변경하기 위해 'pd.set_option()' 함수를 제공합니다. 콘솔에 DataFrame을 표시한 직후 'pd.set_option()' 메서드를 호출합니다. DataFrame의 모든 열을 표시하는 데 사용해야 하는 이 함수의 괄호 사이에 매개변수를 지정합니다.
여기에서 'display.max_columns'를 사용하여 DataFrame의 최대 열을 표시했습니다. 또한 이 매개변수의 값, 즉 표시하려는 최대 열을 정의할 수 있습니다. 반면에 'display.max_columns'를 'None'으로 설정하여 DataFrame의 모든 열을 최대 길이로 표시합니다. 마지막으로 'print()' 함수를 사용하여 터미널에서 볼 수 있는 모든 열과 함께 결과 DataFrame을 표시합니다.
'Spyder' 도구에서 '파일 실행' 옵션을 누르면 표시되는 DataFrame을 볼 수 있습니다. 이 DataFrame에는 6개의 행이 있고 보유하는 열의 수는 25입니다. 이제 최대 열 길이를 갖는 'pd.set_option()' 함수가 활성화되어 있으므로 잘린 열이 없습니다.
표시 길이를 최대로 설정하면 특정 Python 파일 내의 모든 열과 함께 DataFrames를 계속 표시하기 때문에 표시 옵션을 재설정할 수도 있습니다. 이를 위해 Pandas 'pd.reset_option()'을 활용합니다. 이 함수를 호출하고 이 함수의 매개변수로 'display.max_columns'를 제공합니다.
이렇게 하면 제공된 DataFrame에 대한 초기 표시 설정이 제공됩니다.
결론
거대한 데이터 세트가 있는 터미널에서 전체 출력을 보려면 도구의 기본 설정이 사용자의 요구와 대조될 때 때때로 문제가 발생합니다. 이 문제를 해결하기 위해 Pandas는 'pd.set_option()' 메서드를 제공합니다. 이 학습 가이드에서는 이 방법과 이 방법을 사용해야 할 필요성을 소개했습니다. 실제로 컴파일되고 실행된 Python 샘플 코드로 주제를 시연했습니다. '스파이더'에서 수행한 일러스트레이션의 결과물을 렌더링했습니다. 기본 설정을 변경하고 모든 설정을 초기화하여 DataFrame의 모든 열을 콘솔에 표시하는 방법을 설명했습니다. 모듈의 실제 구현에 완전히 집중하면 이러한 문제가 발생할 때마다 모듈을 활용할 수 있습니다.