Python 在 Jupyter Python Notebook 中显示所有数据帧的列

在本文中，我们将介绍如何在 Jupyter Python Notebook 中显示所有数据帧的列。通过显示所有列，我们可以更好地了解数据的结构和特征，方便进行数据分析和处理。

1. 使用 pandas 设置选项显示所有列

pandas 是一个用于数据分析和处理的强大库，可以轻松处理数据帧。我们可以通过设置 pandas 的选项来显示所有列，而不是默认省略一部分列。

要显示所有列，可以使用以下代码：

import pandas as pd

pd.set_option('display.max_columns', None)

这里，我们使用 pd.set_option('display.max_columns', None) 来设置选项，其中 display.max_columns 表示最大列数，None 表示显示所有列。

让我们通过一个示例来说明：

import pandas as pd

# 创建一个示例数据帧
data = {'Name': ['John', 'Emma', 'Peter'],
        'Age': [25, 28, 30],
        'Gender': ['Male', 'Female', 'Male'],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 显示所有列
pd.set_option('display.max_columns', None)
print(df)

输出结果为：

   Name  Age  Gender      City
0  John   25    Male  New York
1  Emma   28  Female    London
2  Peter  30    Male     Paris

可以看到，所有列都被正确地显示出来了。

2. 使用 pandas 设置选项显示特定数量的列

如果我们只想显示特定数量的列，而不是所有列，也可以使用 pandas 的选项来设置。

要显示特定数量的列，可以使用以下代码：

import pandas as pd

pd.set_option('display.max_columns', N)

这里，N 表示要显示的列数。例如，如果我们只想显示前五列，可以将 N 设置为 5。

让我们通过示例来说明：

import pandas as pd

# 创建一个示例数据帧
data = {'Name': ['John', 'Emma', 'Peter'],
        'Age': [25, 28, 30],
        'Gender': ['Male', 'Female', 'Male'],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 显示前两列
pd.set_option('display.max_columns', 2)
print(df)

输出结果为：

   Name  Age  ...
0  John   25   ...
1  Emma   28   ...
2  Peter  30   ...

可以看到，只有前两列被显示出来了。

3. 使用 data.info() 方法显示所有列的详细信息

除了使用选项设置之外，我们还可以使用 pandas 的 data.info() 方法来显示所有列的详细信息。该方法将显示每列的名称、非空值的数量以及每列的数据类型。

让我们通过示例来说明：

import pandas as pd

# 创建一个示例数据帧
data = {'Name': ['John', 'Emma', 'Peter'],
        'Age': [25, 28, 30],
        'Gender': ['Male', 'Female', 'Male'],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 显示所有列的详细信息
print(df.info())

输出结果为：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   Name    3 non-null      object
 1   Age     3 non-null      int64 
 2   Gender  3 non-null      object
 3   City    3 non-null      object
dtypes: int64(1), object(3)
memory usage: 224.0+ bytes
None

可以看到，列的名称、非空值的数量和数据类型都被详细地显示出来了。