python - 熊猫显示：截断列显示而不是换行

Question

使用冗长的列名，无论设置什么选项，DataFrame 都会以非常混乱的形式显示。

信息：我在 Jupyter QtConsole，pandas 0.20.1，在启动时指定了以下相关选项：

pd.set_option('display.max_colwidth', 20)
pd.set_option('expand_frame_repr', False)
pd.set_option('display.max_rows', 25)

问题：如果需要，我如何截断 DataFrame 而不是将列包装到下一行，同时保留expand_frame_repr=False？

这是一个例子。同样，问题不取决于列数，而是取决于列的长度。

这不会导致问题：

df = pd.DataFrame(np.random.randn(1000, 1000),
                  columns=['col' + str(i) for i in range(1000)])

因为输出是完全可读的，看起来像：

具有长列名的相同 DataFrame 会导致我正在谈论的问题：

df = pd.DataFrame(np.random.randn(1000, 1000),
                  columns=['very_long_col_name_' 
                           + str(i) for i in range(1000)])

有什么方法可以使第二个输出与我缺少的第一个输出一样吗？（通过指定一个选项，而不是通过.iloc每次我想查看时使用。）

Answer 1

利用max_columns

from string import ascii_letters

df = pd.DataFrame(np.random.randint(10, size=(5, 52)), columns=list(ascii_letters))

with pd.option_context(
    'display.max_colwidth', 20,
    'expand_frame_repr', False,
    'display.max_rows', 25,
    'display.max_columns', 5,
):
    print(df.add_prefix('really_long_column_name_'))

   really_long_column_name_a  really_long_column_name_b            ...              really_long_column_name_Y  really_long_column_name_Z
0                    8                          1                  ...                                1                          9      
1                    8                          5                  ...                                2                          1      
2                    5                          0                  ...                                9                          9      
3                    6                          8                  ...                                0                          9      
4                    1                          2                  ...                                7                          1      

[5 rows x 52 columns]

---

另一个想法......显然不是你想要的，但也许你可以根据你的需要改变它。

d1 = df.add_suffix('_really_long_column_name')

with pd.option_context('display.max_colwidth', 4, 'expand_frame_repr', False):
    mw = pd.get_option('display.max_colwidth')
    print(d1.rename(columns=lambda x: x[:mw-3] + '...' if len(x) > mw else x))

   a...  b...  c...  d...  e...  f...  g...  h...  i...  j...  ...   Q...  R...  S...  T...  U...  V...  W...  X...  Y...  Z...
0    6     5     5     5     8     3     5     0     7     6   ...     9     0     6     9     6     8     4     0     6     7 
1    0     5     4     7     2     5     4     3     8     7   ...     8     1     5     3     5     9     4     5     5     3 
2    7     2     1     6     5     1     0     1     3     1   ...     6     7     0     9     9     5     2     8     2     2 
3    1     8     7     1     4     5     5     8     8     3   ...     3     6     5     7     1     0     8     1     4     0 
4    7     5     6     2     4     9     7     9     0     5   ...     6     8     1     6     3     5     4     2     3     2 

Answer 2

看起来它需要增强。函数中的相关代码repr似乎在这里：

    max_rows = get_option("display.max_rows")
    max_cols = get_option("display.max_columns")
    show_dimensions = get_option("display.show_dimensions")
    if get_option("display.expand_frame_repr"):
        width, _ = console.get_console_size()
    else:
        width = None
    self.to_string(buf=buf, max_rows=max_rows, max_cols=max_cols,
                   line_width=width, show_dimensions=show_dimensions)

因此，要么您通过expand_frame_repr=True并且它包裹在线宽上，要么您通过expand_frame_repr=False并且它不应该。但看起来代码中有一个错误（这应该是pandas 0.20.3 iirc）：

在pd.io.formats.format.DataFrameFormatter：

def _chk_truncate(self):
    """
    Checks whether the frame should be truncated. If so, slices
    the frame up.
    """
    from pandas.core.reshape.concat import concat

    # Column of which first element is used to determine width of a dot col
    self.tr_size_col = -1

    # Cut the data to the information actually printed
    max_cols = self.max_cols
    max_rows = self.max_rows

    if max_cols == 0 or max_rows == 0:  # assume we are in the terminal
                                        # (why else = 0)
        (w, h) = get_terminal_size()
        self.w = w
        self.h = h
        if self.max_rows == 0:
            dot_row = 1
            prompt_row = 1
            if self.show_dimensions:
                show_dimension_rows = 3
            n_add_rows = (self.header + dot_row + show_dimension_rows +
                          prompt_row)
            # rows available to fill with actual data
            max_rows_adj = self.h - n_add_rows
            self.max_rows_adj = max_rows_adj

        # Format only rows and columns that could potentially fit the
        # screen
        if max_cols == 0 and len(self.frame.columns) > w:
            max_cols = w
        if max_rows == 0 and len(self.frame) > h:
            max_rows = h

看起来它打算做你想做的事，但还没有完成。它检查max_cols的是列数，而不是列的总宽度。

因此，您可以创建一个show_df函数来计算正确的列数并将其显示在option_context类似 pi2Squared 的答案中，或者在此处修复它（如果您需要分发补丁，可以提交补丁）。

Answer 3

正如其他人指出的那样，Pandas 本身似乎在这里存在错误或设计不当，因此需要一种解决方法。

大多数情况下，数字列会出现此问题，因为数字相对较短。如果其中有空格，Pandas 会将列标题拆分为多行，因此您可以在显示数据框时通过在数字列的列标题中插入空格来“破解”正确的行为。我有一个单线来做到这一点：

def colfix(df, L=5): return df.rename(columns=lambda x: ' '.join(x.replace('_', ' ')[i:i+L] for i in range(0,len(x),L)) if df[x].dtype in ['float64','int64'] else x )

显示您的数据框，只需键入

colfix(your_df)

请注意，重命名不会永久更改数据框，它只会在名称中添加空格，以便一次显示它。

结果（在 Jupyter Notebook 中）：

与colfix：

没有：