您可以使用print df.describe().to_string()强制它显示整个表。你可以像这样对任何数据帧使用to_string()。description的结果只是一个DataFrame本身。)

8是DataFrame中包含“description”的行数(因为describe计算8个统计值，最小值，最大值，平均值等)。

这些答案对我都没用。其中一些确实会打印所有列，但看起来会很草率。所有的信息都在那里，但格式不正确。我正在使用Neovim内部的终端，所以我怀疑这是原因。

这个迷你函数确实是我需要的，只是改变df_data在两个地方，它是为你的dataframe名称(col_range被设置为熊猫自然显示，对我来说是5，但它可以更大或更小为你)。

import math
col_range = 5
for _ in range(int(math.ceil(len(df_data.columns)/col_range))):
    idx1 = _*col_range
    idx2 = idx1+col_range
    print(df_data.iloc[:, idx1:idx2].describe())

您可以使用print df.describe().to_string()强制它显示整个表。你可以像这样对任何数据帧使用to_string()。description的结果只是一个DataFrame本身。)

8是DataFrame中包含“description”的行数(因为describe计算8个统计值，最小值，最大值，平均值等)。

下面的代码将在打印NumPy数组时增加宽度。

它在Jupyter Notebook上给出了很好的结果。

import numpy as np
np.set_printoptions(linewidth=160)

这不是严格意义上的答案，但是让我们记住我们可以df.describe().transpose()或者df.head(n).transpose()，或者df.tail(n).transpose()。

我还发现，当标题是结构化的时，将它们作为列来阅读更容易:

header1_xxx,

header2_xxx,

header3_xxx,

我认为终端和应用程序处理垂直滚动更自然，如果这是必要的转置后。

标头通常比它们的值大，将它们全部放在一列(索引)中可以最大限度地减少它们对总表宽度的影响。

最后，其他的df描述也可以合并，这里有一个可能的想法:

def df_overview(df: pd.DataFrame, max_colwidth=25, head=3, tail=3):
    return(
        df.describe([0.5]).transpose()
        .merge(df.dtypes.rename('dtypes'), left_index=True, right_index=True)
        .merge(df.head(head).transpose(), left_index=True, right_index=True)
        .merge(df.tail(tail).transpose(), left_index=True, right_index=True)
        .to_string(max_colwidth=max_colwidth, float_format=lambda x: "{:.4G}".format(x))
    )

你可以简单地执行以下步骤，

您可以更改Pandas max_columns特性的选项，如下所示: 进口熊猫作为pd pd.options.display。Max_columns = 10 (这允许显示10个列，您可以根据需要更改。) 像这样，你可以改变行数，你需要显示如下(如果你需要改变最大行数): pd.options.display。Max_rows = 999 (这允许一次打印999行。)

如需更改Pandas的不同选项/设置，请参考文档。