Posts 판다스(Pandas) 컬럼과 행 길게 보기
Post
Cancel

판다스(Pandas) 컬럼과 행 길게 보기

판다스(Pandas) 컬럼과 행 길게 보기


1.1 판다스 컬럼과 행 길게 보기

1
2
import numpy as np
import pandas as pd
1
2
sample = pd.DataFrame(np.zeros((30,30)))
sample
0123456789...20212223242526272829
00.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
10.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
20.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
30.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
40.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
50.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
60.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
70.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
80.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
90.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
100.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
110.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
120.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
130.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
140.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
150.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
160.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
170.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
180.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
190.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
200.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
210.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
220.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
230.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
240.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
250.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
260.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
270.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
280.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
290.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0

30 rows × 30 columns

  • 판다스를 데이터 분석을 하다보면 행과 열이 많아서 중간에 생략될떄가 있어서 난감할떄가 있습니다.
  • Numpy로 30 by 30의 행렬을 만들어서 보면 중간이 생략되는것을 볼수 있습니다.
  • 이럴때는 판다스의 set_option을 사용하여 행과 열의 옵션을 바꿔주면 모든 열과 행을 볼수 있습니다.


1
2
3
pd.set_option('display.max_row', 500)
pd.set_option('display.max_columns', 100)
sample
01234567891011121314151617181920212223242526272829
00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
10.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
20.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
30.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
40.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
50.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
60.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
70.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
80.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
90.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
100.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
110.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
120.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
130.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
140.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
150.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
160.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
170.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
180.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
190.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
200.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
210.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
220.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
230.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
240.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
250.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
260.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
270.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
280.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
290.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.0
  • set_option을 주어 설정한 값까지는 생략되는 행과 열이 없어 모두 표시되게 하였습니다.
This post is licensed under CC BY 4.0 by the author.

Porto Seguro’s Safe Driver Prediction 데이터 Preparation & Exploration

Calendar Module (Python 3)

Comments powered by Disqus.