在函数调用 print( ) 后打印所有列
print all columns in dask after a function call print( )
我拜访了
print(df.isna().sum().compute())
在我的 dask 数据框上。该代码有效并显示了预期的输出。然而,在各种在线教程、入门和示例中,结果显示了一个完整的列表,但是当我使用并遵循所使用的相同语法时,它向我展示了这个:
var1 39560
var2 0
var3 118665
var4 0
var5 0
...
var55 6054144
var56 416086
var57 19780
var58 19780
var59 7972615
我想让输出显示我所有的 59 个变量。
您仍然可以使用某些 pandas 语法并且 dask“尊重”它。在 pandas 中,我们使用函数 pd.set_option("displa.max_rows", 59)。这个函数调用显示行,在你的情况下你有 59 个变量,因此括号中的 59,你应该能够得到所有变量的输出。
供参考。在调用打印之前键入它。
pd.set_option("displa.max_rows", 59)
print(df.isna().sum().compute())
它很管用。
作为另一种不修改 pandas
配置的解决方案:
print(*df.isna().sum().compute().items(), sep="\n")
如果.compute
是重操作,重复调用,
有人可能想将它存储在一个变量中:
result = df.isna().sum().compute()
print(*result.items(), sep="\n")
我拜访了
print(df.isna().sum().compute())
在我的 dask 数据框上。该代码有效并显示了预期的输出。然而,在各种在线教程、入门和示例中,结果显示了一个完整的列表,但是当我使用并遵循所使用的相同语法时,它向我展示了这个:
var1 39560
var2 0
var3 118665
var4 0
var5 0
...
var55 6054144
var56 416086
var57 19780
var58 19780
var59 7972615
我想让输出显示我所有的 59 个变量。
您仍然可以使用某些 pandas 语法并且 dask“尊重”它。在 pandas 中,我们使用函数 pd.set_option("displa.max_rows", 59)。这个函数调用显示行,在你的情况下你有 59 个变量,因此括号中的 59,你应该能够得到所有变量的输出。
供参考。在调用打印之前键入它。
pd.set_option("displa.max_rows", 59)
print(df.isna().sum().compute())
它很管用。
作为另一种不修改 pandas
配置的解决方案:
print(*df.isna().sum().compute().items(), sep="\n")
如果.compute
是重操作,重复调用,
有人可能想将它存储在一个变量中:
result = df.isna().sum().compute()
print(*result.items(), sep="\n")