Options and Settings
原文：http://pandas.pydata.org/pandas-docs/stable/options.html
译者：飞龙 UsyiyiCN
校对：（虚位以待）
Overview
pandas有一个选项系统，让您自定义其行为的一些方面，显示相关选项是用户最可能调整的。
选项有完整的“点线样式”，不区分大小写的名称（例如display.max_rows）。您可以直接获取/设置选项作为顶层options属性的属性：
In [1]: import pandas as pd
In [2]: pd.options.display.max_rows
Out[2]: 15
In [3]: pd.options.display.max_rows = 999
In [4]: pd.options.display.max_rows
Out[4]: 999
还有一个由5个相关函数组成的API，可从pandas命名空间直接获得：
注意：开发人员可以查看pandas / core / config.py了解更多信息。
上面的所有函数都接受一个regexp模式（re.search style）作为参数，因此传入一个子字符串将工作 - 只要它是明确的：
In [5]: pd.get_option("display.max_rows")
Out[5]: 999
In [6]: pd.set_option("display.max_rows",101)
In [7]: pd.get_option("display.max_rows")
Out[7]: 101
In [8]: pd.set_option("max_r",102)
In [9]: pd.get_option("display.max_rows")
Out[9]: 102
以下将不会起作用，因为它匹配多个选项名称，例如display.max_colwidth，display.max_rows，display.max_columns：
In [10]: try:
....: pd.get_option("column")
....: except KeyError as e:
....: print(e)
....:
'Pattern matched multiple keys'
注意：如果在将来的版本中添加具有相似名称的新选项，使用此形式的缩写可能会导致代码断开。
您可以使用describe_option获取可用选项及其说明的列表。当调用时没有参数describe_option将打印出所有可用选项的描述。
Getting and Setting Options
如上所述，从pandas命名空间可以获得get_option()和set_option()。要更改选项，请调用set_option（'option regex'， new_value）
In [11]: pd.get_option('mode.sim_interactive')
Out[11]: False
In [12]: pd.set_option('mode.sim_interactive', True)
In [13]: pd.get_option('mode.sim_interactive')
Out[13]: True
注意：选项'mode.sim_interactive'主要用于调试目的。
所有选项也有默认值，您可以使用reset_option来做到这一点：
In [14]: pd.get_option("display.max_rows")
Out[14]: 60
In [15]: pd.set_option("display.max_rows",999)
In [16]: pd.get_option("display.max_rows")
Out[16]: 999
In [17]: pd.reset_option("display.max_rows")
In [18]: pd.get_option("display.max_rows")
Out[18]: 60
也可以一次重置多个选项（使用正则表达式）：
In [19]: pd.reset_option("^display")
height has been deprecated.
line_width has been deprecated, use display.width instead (currently both are
identical)
option_context上下文管理器已通过顶级API公开，允许您使用给定的选项值执行代码。当您使用块退出时，选项值会自动恢复：
In [20]: with pd.option_context("display.max_rows",10,"display.max_columns", 5):
....: print(pd.get_option("display.max_rows"))
....: print(pd.get_option("display.max_columns"))
....:
10
5
In [21]: print(pd.get_option("display.max_rows"))
60
In [22]: print(pd.get_option("display.max_columns"))
20
Setting Startup Options in python/ipython Environment
使用python / ipython环境的启动脚本导入pandas和设置选项使得使用pandas更有效率。为此，请在所需配置文件的启动目录中创建.py或.ipy脚本。可以在以下位置找到启动文件夹位于缺省ipython概要文件中的示例：
$IPYTHONDIR/profile_default/startup
有关详细信息，请参阅ipython文档。下面显示了一个用于pandas的示例启动脚本：
import pandas as pd
pd.set_option('display.max_rows', 999)
pd.set_option('precision', 5)
Frequently Used Options
以下是更频繁使用的显示选项的演练。
display.max_rows和display.max_columns设置在精美打印框架时显示的最大行数和列数。截断的行由省略号替换。
In [23]: df = pd.DataFrame(np.random.randn(7,2))
In [24]: pd.set_option('max_rows', 7)
In [25]: df
Out[25]:
0 1
0 0.469112 -0.282863
1 -1.509059 -1.135632
2 1.212112 -0.173215
3 0.119209 -1.044236
4 -0.861849 -2.104569
5 -0.494929 1.071804
6 0.721555 -0.706771
In [26]: pd.set_option('max_rows', 5)
In [27]: df
Out[27]:
0 1
0 0.469112 -0.282863
1 -1.509059 -1.135632
.. ... ...
5 -0.494929 1.071804
6 0.721555 -0.706771
[7 rows x 2 columns]
In [28]: pd.reset_option('max_rows')
display.expand_frame_repr允许数据框架的表示在页面之间展开，包括整个列与行。
In [29]: df = pd.DataFrame(np.random.randn(5,10))
In [30]: pd.set_option('expand_frame_repr', True)
In [31]: df
Out[31]:
0 1 2 3 4 5 6 \
0 -1.039575 0.271860 -0.424972 0.567020 0.276232 -1.087401 -0.673690
1 0.404705 0.577046 -1.715002 -1.039268 -0.370647 -1.157892 -1.344312
2 1.643563 -1.469388 0.357021 -0.674600 -1.776904 -0.968914 -1.294524
3 -0.013960 -0.362543 -0.006154 -0.923061 0.895717 0.805244 -1.206412
4 -1.170299 -0.226169 0.410835 0.813850 0.132003 -0.827317 -0.076467
7 8 9
0 0.113648 -1.478427 0.524988
1 0.844885 1.075770 -0.109050
2 0.413738 0.276662 -0.472035
3 2.565646 1.431256 1.340309
4 -1.187678 1.130127 -1.436737
In [32]: pd.set_option('expand_frame_repr', False)
In [33]: df
Out[33]:
0 1 2 3 4 5 6 7 8 9
0 -1.039575 0.271860 -0.424972 0.567020 0.276232 -1.087401 -0.673690 0.113648 -1.478427 0.524988
1 0.404705 0.577046 -1.715002 -1.039268 -0.370647 -1.157892 -1.344312 0.844885 1.075770 -0.109050
2 1.643563 -1.469388 0.357021 -0.674600 -1.776904 -0.968914 -1.294524 0.413738 0.276662 -0.472035
3 -0.013960 -0.362543 -0.006154 -0.923061 0.895717 0.805244 -1.206412 2.565646 1.431256 1.340309
4 -1.170299 -0.226169 0.410835 0.813850 0.132003 -0.827317 -0.076467 -1.187678 1.130127 -1.436737
In [34]: pd.reset_option('expand_frame_repr')
display.large_repr可让您选择是否将超过max_columns或max_rows的数据框显示为截断框架或汇总。
In [35]: df = pd.DataFrame(np.random.randn(10,10))
In [36]: pd.set_option('max_rows', 5)
In [37]: pd.set_option('large_repr', 'truncate')
In [38]: df
Out[38]:
0 1 2 3 4 5 6 \
0 -1.413681 1.607920 1.024180 0.569605 0.875906 -2.211372 0.974466
1 0.545952 -1.219217 -1.226825 0.769804 -1.281247 -0.727707 -0.121306
.. ... ... ... ... ... ... ...
8 -2.484478 -0.281461 0.030711 0.109121 1.126203 -0.977349 1.474071
9 -1.071357 0.441153 2.353925 0.583787 0.221471 -0.744471 0.758527
7 8 9
0 -2.006747 -0.410001 -0.078638
1 -0.097883 0.695775 0.341734
.. ... ... ...
8 -0.064034 -1.282782 0.781836
9 1.729689 -0.964980 -0.845696
[10 rows x 10 columns]
In [39]: pd.set_option('large_repr', 'info')
In [40]: df
Out[40]:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 10 columns):
0 10 non-null float64
1 10 non-null float64
2 10 non-null float64
3 10 non-null float64
4 10 non-null float64
5 10 non-null float64
6 10 non-null float64
7 10 non-null float64
8 10 non-null float64
9 10 non-null float64
dtypes: float64(10)
memory usage: 872.0 bytes
In [41]: pd.reset_option('large_repr')
In [42]: pd.reset_option('max_rows')
display.max_colwidth设置列的最大宽度。此长度或更长的单元格将被省略号截断。
In [43]: df = pd.DataFrame(np.array([['foo', 'bar', 'bim', 'uncomfortably long string'],
....: ['horse', 'cow', 'banana', 'apple']]))
....:
In [44]: pd.set_option('max_colwidth',40)
In [45]: df
Out[45]:
0 1 2 3
0 foo bar bim uncomfortably long string
1 horse cow banana apple
In [46]: pd.set_option('max_colwidth', 6)
In [47]: df
Out[47]:
0 1 2 3
0 foo bar bim un...
1 horse cow ba... apple
In [48]: pd.reset_option('max_colwidth')
display.max_info_columns设置将给出列向列信息的阈值。
In [49]: df = pd.DataFrame(np.random.randn(10,10))
In [50]: pd.set_option('max_info_columns', 11)
In [51]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 10 columns):
0 10 non-null float64
1 10 non-null float64
2 10 non-null float64
3 10 non-null float64
4 10 non-null float64
5 10 non-null float64
6 10 non-null float64
7 10 non-null float64
8 10 non-null float64
9 10 non-null float64
dtypes: float64(10)
memory usage: 872.0 bytes
In [52]: pd.set_option('max_info_columns', 5)
In [53]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Columns: 10 entries, 0 to 9
dtypes: float64(10)
memory usage: 872.0 bytes
In [54]: pd.reset_option('max_info_columns')
display.max_info_rows：df.info()通常会显示每列的空值。对于大型帧，这可能会很慢。max_info_rows和max_info_cols仅将此空检查限制为指定较小尺寸的帧。请注意，您可以指定选项df.info(null_counts=True)以覆盖显示特定框架。
In [55]: df =pd.DataFrame(np.random.choice([0,1,np.nan], size=(10,10)))
In [56]: df
Out[56]:
0 1 2 3 4 5 6 7 8 9
0 0.0 1.0 1.0 0.0 1.0 1.0 0.0 NaN 1.0 NaN
1 1.0 NaN 0.0 0.0 1.0 1.0 NaN 1.0 0.0 1.0
2 NaN NaN NaN 1.0 1.0 0.0 NaN 0.0 1.0 NaN
3 0.0 1.0 1.0 NaN 0.0 NaN 1.0 NaN NaN 0.0
4 0.0 1.0 0.0 0.0 1.0 0.0 0.0 NaN 0.0 0.0
5 0.0 NaN 1.0 NaN NaN NaN NaN 0.0 1.0 NaN
6 0.0 1.0 0.0 0.0 NaN 1.0 NaN NaN 0.0 NaN
7 0.0 NaN 1.0 1.0 NaN 1.0 1.0 1.0 1.0 NaN
8 0.0 0.0 NaN 0.0 NaN 1.0 0.0 0.0 NaN NaN
9 NaN NaN 0.0 NaN NaN NaN 0.0 1.0 1.0 NaN
In [57]: pd.set_option('max_info_rows', 11)
In [58]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 10 columns):
0 8 non-null float64
1 5 non-null float64
2 8 non-null float64
3 7 non-null float64
4 5 non-null float64
5 7 non-null float64
6 6 non-null float64
7 6 non-null float64
8 8 non-null float64
9 3 non-null float64
dtypes: float64(10)
memory usage: 872.0 bytes
In [59]: pd.set_option('max_info_rows', 5)
In [60]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 10 columns):
0 float64
1 float64
2 float64
3 float64
4 float64
5 float64
6 float64
7 float64
8 float64
9 float64
dtypes: float64(10)
memory usage: 872.0 bytes
In [61]: pd.reset_option('max_info_rows')
display.precision以小数位数设置输出显示精度。这只是一个建议。
In [62]: df = pd.DataFrame(np.random.randn(5,5))
In [63]: pd.set_option('precision',7)
In [64]: df
Out[64]:
0 1 2 3 4
0 -2.0490276 2.8466122 -1.2080493 -0.4503923 2.4239054
1 0.1211080 0.2669165 0.8438259 -0.2225400 2.0219807
2 -0.7167894 -2.2244851 -1.0611370 -0.2328247 0.4307933
3 -0.6654779 1.8298075 -1.4065093 1.0782481 0.3227741
4 0.2003243 0.8900241 0.1948132 0.3516326 0.4488815
In [65]: pd.set_option('precision',4)
In [66]: df
Out[66]:
0 1 2 3 4
0 -2.0490 2.8466 -1.2080 -0.4504 2.4239
1 0.1211 0.2669 0.8438 -0.2225 2.0220
2 -0.7168 -2.2245 -1.0611 -0.2328 0.4308
3 -0.6655 1.8298 -1.4065 1.0782 0.3228
4 0.2003 0.8900 0.1948 0.3516 0.4489
display.chop_threshold设置当显示一系列DataFrame时，pandas是否为0。注意，这不会影响存储数字的精度。
In [67]: df = pd.DataFrame(np.random.randn(6,6))
In [68]: pd.set_option('chop_threshold', 0)
In [69]: df
Out[69]:
0 1 2 3 4 5
0 -0.1979 0.9657 -1.5229 -0.1166 0.2956 -1.0477
1 1.6406 1.9058 2.7721 0.0888 -1.1442 -0.6334
2 0.9254 -0.0064 -0.8204 -0.6009 -1.0393 0.8248
3 -0.8241 -0.3377 -0.9278 -0.8401 0.2485 -0.1093
4 0.4320 -0.4607 0.3365 -3.2076 -1.5359 0.4098
5 -0.6731 -0.7411 -0.1109 -2.6729 0.8645 0.0609
In [70]: pd.set_option('chop_threshold', .5)
In [71]: df
Out[71]:
0 1 2 3 4 5
0 0.0000 0.9657 -1.5229 0.0000 0.0000 -1.0477
1 1.6406 1.9058 2.7721 0.0000 -1.1442 -0.6334
2 0.9254 0.0000 -0.8204 -0.6009 -1.0393 0.8248
3 -0.8241 0.0000 -0.9278 -0.8401 0.0000 0.0000
4 0.0000 0.0000 0.0000 -3.2076 -1.5359 0.0000
5 -0.6731 -0.7411 0.0000 -2.6729 0.8645 0.0000
In [72]: pd.reset_option('chop_threshold')
display.colheader_justify控制标头的对齐。选项是“right”和“left”。
In [73]: df = pd.DataFrame(np.array([np.random.randn(6), np.random.randint(1,9,6)*.1, np.zeros(6)]).T,
....: columns=['A', 'B', 'C'], dtype='float')
....:
In [74]: pd.set_option('colheader_justify', 'right')
In [75]: df
Out[75]:
A B C
0 0.9331 0.3 0.0
1 0.2888 0.2 0.0
2 1.3250 0.2 0.0
3 0.5892 0.7 0.0
4 0.5314 0.1 0.0
5 -1.1987 0.7 0.0
In [76]: pd.set_option('colheader_justify', 'left')
In [77]: df
Out[77]:
A B C
0 0.9331 0.3 0.0
1 0.2888 0.2 0.0
2 1.3250 0.2 0.0
3 0.5892 0.7 0.0
4 0.5314 0.1 0.0
5 -1.1987 0.7 0.0
In [78]: pd.reset_option('colheader_justify')
Available Options
| 选项 |
默认 |
功能 |
|---|
| display.chop_threshold |
没有 |
如果设置为浮点值，小于给定阈值的所有浮点值将由repr和friends显示为0。 |
| display.colheader_justify |
对 |
控制列标题的对齐方式。用于DataFrameFormatter。 |
| display.column_space |
12 |
没有可用的描述。 |
| display.date_dayfirst |
假 |
当为True时，打印和解析日期以天为前，例如20/01/2005 |
| display.date_yearfirst |
假 |
当为True时，打印并解析年份为第一年的日期，例如2005/01/20 |
| display.encoding |
UTF-8 |
默认为检测到的控制台的编码。指定要用于to_string返回的字符串的编码，这些字符串通常是要显示在控制台上的字符串。 |
| display.expand_frame_repr |
真正 |
是否打印出跨多行的宽数据帧的完整DataFrame repr，max_columns仍然受到尊重，但如果其宽度超过，输出将环绕多个“页面”display.width 。 |
| display.float_format |
没有 |
callable应该接受一个浮点数并返回一个具有所需数字格式的字符串。这在一些地方如SeriesFormatter中使用。有关示例，请参阅core.format.EngFormatter。 |
| display.height |
60 |
已弃用。请改用display.max_rows。 |
| display.large_repr |
截短 |
对于超过max_rows / max_cols的DataFrames，repr（和HTML repr）可以显示截断表（默认值为0.13），或者从df.info()（早期版本的pandas中的行为）切换到视图。允许的设置，['truncate'，'info'] |
| display.latex.repr |
假 |
是否为支持它的jupyter前端生成一个乳胶DataFrame表示。 |
| display.latex.escape |
真正 |
当使用to_latex方法时，在Dataframes中转义特殊字符。 |
| display.latex.longtable |
假 |
指定Dataframe的to_latex方法是否使用longtable格式。 |
| display.line_width |
80 |
已弃用。请改用display.width。 |
| display.max_columns |
20 |
max_rows和max_columns在__repr __()方法中使用，以决定是否使用to_string()或info()将对象渲染为字符串。如果python / IPython在终端中运行，这可以设置为0，并且pandas将正确地自动检测终端的宽度，并且在所有列都不适合垂直时交换为较小的格式。IPython笔记本，IPython qtconsole或IDLE不在终端中运行，因此无法进行正确的自动检测。“无”值意味着无限。 |
| display.max_colwidth |
50 |
pandas数据结构的repr中的列的最大字符宽度。当列溢出时，在输出中嵌入一个“...”占位符。 |
| display.max_info_columns |
100 |
max_info_columns用于DataFrame.info方法中，以确定是否将打印每列信息。 |
| display.max_info_rows |
1690785 |
df.info()通常会显示每个列的空值。对于大型帧，这可能会很慢。max_info_rows和max_info_cols仅将此空检查限制到指定的较小维度的帧。 |
| display.max_rows |
60 |
这设置了打印输出各种输出时pandas应该输出的最大行数。例如，此值确定数据帧的repr()是完全打印还是仅打印摘要repr。“无”值意味着无限。 |
| display.max_seq_items |
100 |
当漂亮打印一个长序列时，不会再打印max_seq_items。如果省略项目，则通过向生成的字符串添加“...”来表示。如果设置为无，则要打印的项目数不受限制。 |
| display.memory_usage |
真正 |
这指定在调用df.info()方法时是否应显示DataFrame的内存使用情况。 |
| display.multi_sparse |
真正 |
“Sparsify”MultiIndex显示（不在组内的外层中显示重复的元素） |
| display.notebook_repr_html |
真正 |
当为True时，IPython笔记本将使用html表示形式的pandas对象（如果可用）。 |
| display.pprint_nest_depth |
3 |
控制漂亮打印时要处理的嵌套级别的数量 |
| display.precision |
6 |
浮点输出精度在小数后的位数，用于常规格式以及科学记数法。类似于numpy的precision打印选项 |
| display.show_dimensions |
截短 |
是否在DataFrame repr结尾打印尺寸。如果指定了“truncate”，则只有在框架被截断时才打印出尺寸（例如，不显示所有行和/或列） |
| display.width |
80 |
显示的宽度（以字符为单位）。如果python / IPython在终端中运行，这可以设置为None，并且pandas将正确地自动检测宽度。请注意，IPython笔记本，IPython qtconsole或IDLE不在终端中运行，因此无法正确检测宽度。 |
| html.border |
1 |
在DataFrame HTML代码的<table>标记中插入border=value属性。 |
| io.excel.xls.writer |
xlwt |
'xls'文件的默认Excel writer引擎。 |
| io.excel.xlsm.writer |
openpyxl |
'xlsm'文件的默认Excel写入器引擎。可用选项：'openpyxl'（默认值）。 |
| io.excel.xlsx.writer |
openpyxl |
'xlsx'文件的默认Excel写入器引擎。 |
| io.hdf.default_format |
没有 |
默认格式写入格式，如果None，则put将默认为'fixed'，append将默认为'table' |
| io.hdf.dropna_table |
真正 |
在追加到表时删除所有的nan行 |
| mode.chained_assignment |
警告 |
如果尝试使用链接分配，则引发异常，警告或无操作，默认值为warn |
| mode.sim_interactive |
假 |
是否模拟交互模式以进行测试 |
| mode.use_inf_as_null |
假 |
True表示无，NaN，-INF，INF为空（旧方式），False表示无，NaN为空，但INF，-INF不为空（新方式）。 |
