పాండాలు అన్ని నిలువు వరుసలను ప్రదర్శిస్తాయి

Pandalu Anni Niluvu Varusalanu Pradarsistayi



స్పైడర్ టూల్‌లో పాండాస్ డేటాఫ్రేమ్ యొక్క కంటెంట్‌లను చూపించడానికి ప్రయత్నిస్తున్నప్పుడు, మేము తరచుగా టెర్మినల్‌లో కనిపించే అవుట్‌పుట్‌తో ముగుస్తుంది, అయితే కొన్ని దాచిన నిలువు వరుసలు ఉంటాయి. మీరు ప్రింట్ చేయడానికి ముందే నిర్వచించిన నిలువు వరుసలు మరియు అడ్డు వరుసలను అధిగమించే పొడవైన పాండాస్ డేటాఫ్రేమ్‌ను ప్రింట్ చేస్తున్నప్పుడు, డేటాఫ్రేమ్ కత్తిరించబడుతుంది. కొన్నిసార్లు, వినియోగదారు అవుట్‌పుట్ స్క్రీన్‌పై అన్ని అడ్డు వరుసలు మరియు నిలువు వరుసలతో కూడిన పూర్తి డేటాఫ్రేమ్‌ను చూడాలి. Pandas 'get_option()' పేరుతో చాలా ఉపయోగకరమైన ఫంక్షన్‌ను కలిగి ఉంది, ఇది అవుట్‌పుట్ డిస్‌ప్లేను వ్యక్తిగతీకరించడానికి మరియు నిర్వహించలేని అవుట్‌పుట్ ఫార్మాట్‌లను ఉపయోగించకుండా ఆపరేట్ చేయడానికి అనుమతిస్తుంది. విలువ “set_option()” పద్ధతిని ఉపయోగించి సెట్ చేయబడింది. గరిష్ట నిలువు వరుసల పరామితిని లేదా నిర్దిష్ట సంఖ్యలో నిలువు వరుసలను “ఏదీ కాదు”కి కాన్ఫిగర్ చేయడం ద్వారా రెండర్ చేయడానికి అడ్డు వరుసలు మరియు నిలువు వరుసల గరిష్ట పరిమితిని పేర్కొనడానికి ఇది ఉపయోగించబడుతుంది.

పాండాస్ సెట్_ఆప్షన్ మెథడ్

ఈరోజు, మీ స్పైడర్ టూల్‌లో పాండస్ డేటాఫ్రేమ్‌లోని అన్ని నిలువు వరుసలను ప్రదర్శించడానికి “pd.set_option()” ఫంక్షన్‌ని ఎలా ఉపయోగించాలో చూద్దాం. “pd.set_option()”ని ఉపయోగించడానికి, మేము ఇచ్చిన వాక్యనిర్మాణాన్ని అనుసరిస్తాము:


పైథాన్ ప్రోగ్రామ్ యొక్క ఆచరణాత్మక అమలు సహాయంతో భావనను నేర్చుకోవడం ప్రారంభిద్దాం.







ఉదాహరణ: అన్ని నిలువు వరుసలను ప్రదర్శించడానికి పాండాస్ సెట్_ఆప్షన్ పద్ధతిని ఉపయోగించడం

ఈ ప్రదర్శన పాండాస్ “set_option()”ని ఉపయోగించడం ద్వారా డేటాఫ్రేమ్‌లోని అన్ని నిలువు వరుసలను ప్రదర్శించడానికి ఒక గైడ్. ఈ పైథాన్ పద్ధతిని అమలు చేయడానికి మేము ప్రతి దశ వివరాలను స్పష్టం చేస్తాము.



పైథాన్ స్క్రిప్ట్ యొక్క ఆచరణాత్మక అమలు కోసం మొదటి అవసరం ఏమిటంటే మీరు మీ ప్రోగ్రామ్‌ను అమలు చేసే ఉత్తమ సాధనాన్ని కనుగొనడం. మా ఉదాహరణ కోసం మేము ఉపయోగించిన సాధనం “స్పైడర్” సాధనం. మేము సాధనాన్ని ప్రారంభించాము మరియు పైథాన్ స్క్రిప్ట్‌పై పని చేయడం ప్రారంభించాము.



కోడ్‌తో ప్రారంభించి, ఈ ప్రోగ్రామ్‌లో మనకు అవసరమైన ముందస్తు లైబ్రరీలను మేము మొదట దిగుమతి చేసుకోవాలి. మేము మా పైథాన్ ఫైల్‌లోకి లోడ్ చేసిన మొదటి లైబ్రరీ పాండాస్ లైబ్రరీ, ఎందుకంటే మనం ఇక్కడ ఉపయోగించే ఫంక్షన్‌లు పాండాస్ అందించాయి. మేము ఈ లైబ్రరీని 'pd' అని మారుపేరుతాము. మేము లోడ్ చేసిన రెండవ లైబ్రరీ NumPy లైబ్రరీ. NumPy (న్యూమరికల్ పైథాన్) అనేది పైథాన్ ప్రోగ్రామింగ్ ద్వారా అభివృద్ధి చేయబడిన ఒక సంఖ్యాపరమైన కంప్యూటింగ్ ప్యాకేజీ. కోడ్ యొక్క దిగుమతి NumPy విభాగం మీ ప్రస్తుత పైథాన్ ఫైల్‌లో NumPy మాడ్యూల్‌ను ఇంటిగ్రేట్ చేయమని పైథాన్‌ని నిర్దేశిస్తుంది. స్క్రిప్ట్‌లోని “np వలె” భాగం, NumPyకి “np” సంక్షిప్తీకరణను కేటాయించమని పైథాన్‌ని నిర్దేశిస్తుంది. ఇది NumPyకి బదులుగా “np.function_name”ని నమోదు చేయడం ద్వారా NumPy పద్ధతులను ఉపయోగించుకోవడానికి మిమ్మల్ని అనుమతిస్తుంది.





ఇప్పుడు, మేము ప్రధాన కోడ్‌తో ప్రారంభిస్తాము. మా ప్రోగ్రామ్‌కు అత్యంత ముఖ్యమైన మరియు ప్రాథమిక అవసరం పాండాస్ డేటాఫ్రేమ్. కాబట్టి, మేము కలిగి ఉన్న అన్ని నిలువు వరుసలను ప్రదర్శిస్తాము. ఇప్పుడు, మీరు పేర్కొన్న విలువలతో డేటాఫ్రేమ్‌ని సృష్టించాలనుకుంటే లేదా మీరు CSV ఫైల్‌ను దిగుమతి చేయాలనుకుంటే అది పూర్తిగా మీ ఇష్టం. ఈ ఉదాహరణ కోసం మేము ఎంచుకున్నది NaN విలువలతో డేటాఫ్రేమ్‌ని సృష్టించడం. మేము డేటాఫ్రేమ్‌ని నిర్మించడానికి “pd.DataFrame()” పద్ధతిని ఉపయోగించాము. ఇక్కడ, మేము రెండు పారామితులను అందించాము - 'సూచిక' మరియు 'నిలువు వరుసలు'. 'ఇండెక్స్' ఆర్గ్యుమెంట్ అనేది అడ్డు వరుసలను సూచిస్తుంది, అంటే మేము డేటాఫ్రేమ్ కోసం అడ్డు వరుసలను సెట్ చేసాము.

మేము “ఇండెక్స్” పరామితిని మరియు “6” విలువ గణనతో NumPy ఫంక్షన్ “np.arange()ని కేటాయించాము. ఇది డేటాఫ్రేమ్ కోసం ఆరు వరుసలను ఉత్పత్తి చేస్తుంది. ఇది అన్ని ఎంట్రీలను NaN విలువలతో నింపుతుంది, ఎందుకంటే మేము దీనికి ఎటువంటి విలువను అందించలేదు. 'నిలువు వరుసలు' వాదన, పేరు పేర్కొన్నట్లుగా, డేటాఫ్రేమ్ కోసం నిలువు వరుసలను సెట్ చేయడానికి ఉపయోగించబడుతుంది. ఇది నిలువు వరుసల కోసం “25” విలువ గణనతో “np.arange()” ఫంక్షన్‌ని కూడా కేటాయించింది. అందువలన, ఇది డేటాఫ్రేమ్ కోసం 25 నిలువు వరుసలను నిర్మిస్తుంది.



పర్యవసానంగా, మేము “pd.DataFrame()” ఫంక్షన్‌ని పిలిచినప్పుడు, మనకు 25 నిలువు వరుసలు మరియు 6 వరుసలు శూన్య విలువలతో కూడిన డేటాఫ్రేమ్‌ని కలిగి ఉంటుంది. ఈ డేటాఫ్రేమ్‌ను సంరక్షించాల్సిన అవసరం కోసం, మేము దాని కంటెంట్‌ను నిల్వ చేసే డేటాఫ్రేమ్ ఆబ్జెక్ట్‌ను రూపొందించాలి. అందువల్ల, మేము డేటాఫ్రేమ్ ఆబ్జెక్ట్ “యాదృచ్ఛికం”ని సృష్టించాము మరియు “pd.DataFrame()” పద్ధతి నుండి మనం పొందే ఫలితాన్ని దానికి కేటాయించాము. ఇప్పుడు, మీరు తప్పనిసరిగా డేటాఫ్రేమ్‌ను రూపొందించడాన్ని చూడాలనుకుంటున్నారు. పైథాన్ మాకు స్క్రీన్‌పై అవుట్‌పుట్‌ను వీక్షించడానికి ఒక పద్ధతిని అందిస్తుంది, ఇది “ప్రింట్()” ఫంక్షన్. మేము డేటాఫ్రేమ్ ఆబ్జెక్ట్ 'యాదృచ్ఛికం' దాని పరామితిగా పాస్ చేయడం ద్వారా ఈ పద్ధతిని ప్రారంభించాము.


మేము ఈ కోడ్ స్నిప్పెట్‌ని అమలు చేసినప్పుడు, టెర్మినల్‌లో ప్రదర్శించబడే NaN విలువలతో కూడిన మా డేటాఫ్రేమ్‌ను పొందుతాము. ఇక్కడ, మొదటి నిలువు వరుసలలో కొన్ని మరియు చివర నుండి కొన్ని మాత్రమే కనిపించడం మనం గమనించవచ్చు. అన్ని మధ్య నిలువు వరుసలు కత్తిరించబడ్డాయి. డిఫాల్ట్‌గా, భారీ డేటాసెట్‌లను ప్రదర్శించడం ద్వారా వినియోగదారుకు నిరాశను సృష్టించకుండా ఉండటానికి ఇది కొన్ని అడ్డు వరుసలు మరియు నిలువు వరుసలను దాచిపెడుతుంది.


మీరు పాండాస్ యొక్క “len()” ఫంక్షన్‌ని ఉపయోగించడం ద్వారా డేటాఫ్రేమ్‌లోని మొత్తం నిలువు వరుసల సంఖ్యను కూడా తనిఖీ చేయవచ్చు. మీ “స్పైడర్” సాధనం యొక్క కన్సోల్‌లో “len()” ఫంక్షన్‌ని వ్రాయండి. '.columns' ప్రాపర్టీతో డేటాఫ్రేమ్ పేరును దాని కుండలీకరణాల మధ్య వ్రాయండి. ఇది మీ డేటాఫ్రేమ్‌లోని నిలువు వరుసల మొత్తం నిడివిని మాకు అందిస్తుంది.


ఇది మా డేటాఫ్రేమ్ యొక్క పొడవు 25ని అందిస్తుంది.

ఇప్పుడు, అవుట్‌పుట్‌ను ప్రదర్శించడానికి డిఫాల్ట్ ఎంపికను మార్చడం తదుపరి మరియు ప్రధాన పని. మీరు టెర్మినల్‌లో మొత్తం డేటాఫ్రేమ్‌ను చూడాలనుకునే పరిస్థితులు ఉండవచ్చు. డిఫాల్ట్ విలువల కారణంగా, చాలా ఎంట్రీలు కుదించబడ్డాయి, ఇది వినియోగదారుని నిరాశకు గురిచేస్తుంది. ఈ సమస్యను ఎలా అధిగమించాలో మీరు ఇక్కడ నేర్చుకుంటారు. డిఫాల్ట్ డిస్‌ప్లే సెట్టింగ్‌లను మార్చడానికి పాండాస్ మాకు “pd.set_option()” ఫంక్షన్‌ను అందిస్తుంది. కన్సోల్‌లో డేటాఫ్రేమ్‌ని ప్రదర్శించిన వెంటనే, మేము “pd.set_option()” పద్ధతిని అమలు చేస్తాము. మేము డేటాఫ్రేమ్ యొక్క అన్ని నిలువు వరుసలను ప్రదర్శించడానికి ఉపయోగించాల్సిన ఈ ఫంక్షన్ యొక్క కుండలీకరణాల మధ్య పరామితిని పేర్కొంటాము.

ఇక్కడ, మేము మా డేటాఫ్రేమ్‌లో గరిష్ట నిలువు వరుసలను ప్రదర్శించడానికి “display.max_columns”ని ఉపయోగించాము. మేము ఈ పరామితి కోసం విలువను కూడా నిర్వచించగలము, అంటే మీరు ప్రదర్శించాలనుకుంటున్న గరిష్ట నిలువు వరుసలు. మరోవైపు, మేము 'display.max_columns'ని 'None'కి సెట్ చేసాము, ఇది గరిష్ట పొడవుతో డేటాఫ్రేమ్ నుండి అన్ని నిలువు వరుసలను ప్రదర్శిస్తుంది. చివరగా, మేము టెర్మినల్‌లో కనిపించే అన్ని నిలువు వరుసలతో ఫలిత డేటాఫ్రేమ్‌ను ప్రదర్శించడానికి “ప్రింట్()” ఫంక్షన్‌ని ఉపయోగించాము.


మనం “Spyder” టూల్‌లో “Run file” ఎంపికను నొక్కినప్పుడు, మేము ప్రదర్శించబడుతున్న డేటాఫ్రేమ్‌ని చూడవచ్చు. ఈ డేటాఫ్రేమ్‌లో ఆరు అడ్డు వరుసలు ఉన్నాయి మరియు ఇది కలిగి ఉన్న నిలువు వరుసల సంఖ్య 25. గరిష్ట నిలువు వరుస పొడవుతో “pd.set_option()” ఫంక్షన్ ఇప్పుడు ప్రారంభించబడినందున కత్తిరించబడిన నిలువు వరుసలు ఏవీ లేవు.


మేము డిస్ప్లే నిడివిని గరిష్టంగా సెట్ చేసిన తర్వాత, అది నిర్దిష్ట పైథాన్ ఫైల్‌లోని అన్ని నిలువు వరుసలతో డేటాఫ్రేమ్‌లను ప్రదర్శించడం కొనసాగిస్తుంది కాబట్టి మేము డిస్ప్లే ఎంపికను కూడా రీసెట్ చేయవచ్చు. దీని కోసం, మేము పాండాస్ “pd.reset_option()”ని ఉపయోగిస్తాము. మేము ఈ ఫంక్షన్‌ను అమలు చేస్తాము మరియు ఈ ఫంక్షన్ యొక్క పారామీటర్‌గా “display.max_columns”ని అందిస్తాము.


ఇది అందించిన డేటాఫ్రేమ్ కోసం ప్రారంభ ప్రదర్శన సెట్టింగ్‌లను పొందుతుంది.

ముగింపు

భారీ డేటాసెట్‌తో టెర్మినల్‌లోని పూర్తి అవుట్‌పుట్‌ను వీక్షించడానికి, సాధనం యొక్క డిఫాల్ట్ సెట్టింగ్‌లు వినియోగదారు అవసరాలకు విరుద్ధంగా వచ్చినప్పుడు కొన్నిసార్లు మనం ఇబ్బందుల్లో పడతాం. ఈ ఎదురుదెబ్బను పరిష్కరించడానికి, పాండాలు మాకు “pd.set_option()” పద్ధతిని అందిస్తారు. ఈ లెర్నింగ్ గైడ్‌లో, మేము ఈ పద్ధతిని మరియు దానిని ఉపయోగించాల్సిన అవసరాన్ని మీకు పరిచయం చేసాము. మేము ఆచరణాత్మకంగా సంకలనం చేయబడిన మరియు అమలు చేయబడిన పైథాన్ నమూనా కోడ్‌లతో అంశాన్ని ప్రదర్శించాము. మేము 'స్పైడర్'లో నిర్వహించిన ఇలస్ట్రేషన్ యొక్క ఫలితాలను అందించాము. డిఫాల్ట్ సెట్టింగ్‌లను మార్చడం ద్వారా అలాగే అన్ని సెట్టింగ్‌లను ప్రారంభానికి రీసెట్ చేయడం ద్వారా కన్సోల్‌లో డేటాఫ్రేమ్ యొక్క అన్ని నిలువు వరుసలను ఎలా ప్రదర్శించాలో మేము వివరించాము. మాడ్యూల్ యొక్క ఆచరణాత్మక అమలుపై పూర్తిగా దృష్టి కేంద్రీకరించడం వలన మీరు అటువంటి ఇబ్బందిని ఎదుర్కొన్నప్పుడల్లా దాన్ని ఉపయోగించుకోవడానికి మిమ్మల్ని అనుమతిస్తుంది.