当然，如果这个经常出现，就做一个这样的函数。您甚至可以将其配置为在每次启动IPython时加载:https://ipython.org/ipython-doc/1/config/overview.html

def print_full(x):
    pd.set_option('display.max_rows', len(x))
    print(x)
    pd.reset_option('display.max_rows')

至于颜色，过于复杂的颜色对我来说听起来适得其反，但我同意像bootstrap的.table条纹之类的东西会很好。您总是可以创建一个问题来建议这个功能。

当然，如果这个经常出现，就做一个这样的函数。您甚至可以将其配置为在每次启动IPython时加载:https://ipython.org/ipython-doc/1/config/overview.html

def print_full(x):
    pd.set_option('display.max_rows', len(x))
    print(x)
    pd.reset_option('display.max_rows')

至于颜色，过于复杂的颜色对我来说听起来适得其反，但我同意像bootstrap的.table条纹之类的东西会很好。您总是可以创建一个问题来建议这个功能。

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

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。

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)。

你可以将expand_frame_repr设置为False:

显示。Expand_frame_repr:布尔值 是否打印宽DataFrame的完整DataFrame repr 跨多行，max_columns仍然得到尊重，但是输出 如果它的宽度超过了，会在多个“页面”上环绕吗 display.width。 (默认值:真实)

pd.set_option('expand_frame_repr', False)

要了解更多细节，请阅读如何漂亮地打印熊猫数据框架和系列