您可以使用下面的方法来实现这一点。只需要传递总no。在DataFrame中显示为arg to的列

“display.max_columns”

例如:

df= DataFrame(..)
with pd.option_context('display.max_rows', None, 'display.max_columns', df.shape[1]):
    print(df)

尝试使用display()函数。这将自动使用水平和垂直滚动条，这样你就可以轻松地显示不同的数据集，而不是使用print()。

display(dataframe)

Display()也支持正确的对齐。

然而，如果你想让数据集更漂亮，你可以检查pd.option_context()。它有很多选项来清楚地显示数据框架。

注:我正在使用Jupyter笔记本电脑。

datasroller的创建部分是为了解决这个问题。

pip install datascroller

它将数据帧加载到终端视图中，你可以用鼠标或方向键“滚动”，有点像终端上的Excel工作簿，支持查询、高亮显示等。

import pandas as pd
from datascroller import scroll

# Call `scroll` with a Pandas DataFrame as the sole argument:
my_df = pd.read_csv('<path to your csv>')
scroll(my_df)

披露:我是datascroller的作者之一

您可以使用下面的方法来实现这一点。只需要传递总no。在DataFrame中显示为arg to的列

“display.max_columns”

例如:

df= DataFrame(..)
with pd.option_context('display.max_rows', None, 'display.max_columns', df.shape[1]):
    print(df)

使用pd.options.display

这个答案是lucidyan先前答案的一个变体。它通过避免使用set_option使代码更具可读性。

导入pandas后，作为使用上下文管理器的另一种选择，设置以下选项来显示大数据框架:

def set_pandas_display_options() -> None:
    """Set pandas display options."""
    # Ref: https://stackoverflow.com/a/52432757/
    display = pd.options.display

    display.max_columns = 1000
    display.max_rows = 1000
    display.max_colwidth = 199
    display.width = 1000
    # display.precision = 2  # set as needed

set_pandas_display_options()

在此之后，如果使用笔记本电脑，您可以使用display(df)或仅使用df，否则使用print(df)。

使用to_string

Pandas 0.25.3有DataFrame。to_string和Series。接受格式化选项的To_string方法。

使用to_markdown

如果你需要的是降价输出，Pandas 1.0.0有DataFrame。to_markdown和Series。to_markdown方法。

使用to_html

如果你需要的是HTML输出，Pandas 0.25.3确实有一个DataFrame。to_html方法，而不是Series.to_html方法。注意Series可以转换为DataFrame。

你也可以使用带有一个或多个选项的option_context:

with pd.option_context('display.max_rows', None, 'display.max_columns', None):  # more options can be specified also
    print(df)

这将自动将选项返回到它们以前的值。

如果你在jupyter-notebook上工作，使用display(df)而不是print(df)将使用jupyter丰富的显示逻辑(就像这样)。