مشاهده و چاپ DataFrame

مشاهده و چاپ DataFrame

در Pandas، روش های مختلفی برای مشاهده و چاپ DataFrame وجود دارد:

1. چاپ مستقیم:

import pandas as pd

df = pd.DataFrame({"Name": ["Alice", "Bob", "Charlie"], "Age": [30, 25, 22], "Country": ["USA", "Canada", "USA"]})

print(df)

خروجی:

      Name  Age  Country
0    Alice   30      USA
1     Bob   25    Canada
2  Charlie   22      USA

2. استفاده از head() و tail():

print(df.head())  # نمایش 5 سطر اول
print(df.tail())  # نمایش 5 سطر آخر

3. استفاده از info():

print(df.info())  # نمایش اطلاعات کلی DataFrame مانند تعداد سطرها، ستون ها، انواع داده ها و حافظه استفاده شده

4. استفاده از describe():

print(df.describe())  # نمایش آمار توصیفی برای هر ستون عددی (مانند میانگین، انحراف معیار، حداقل، حداکثر)

5. قالب بندی خروجی:

• می توانید از گزینه options.display.max_colwidth برای تنظیم حداکثر عرض ستون ها استفاده کنید.
• می توانید از گزینه options.display.precision برای تنظیم تعداد ارقام اعشاری نمایش داده شده برای اعداد استفاده کنید.
• می توانید از گزینه options.display.float_format برای تعیین قالب نمایش اعداد اعشاری استفاده کنید.

6. ذخیره DataFrame در فایل CSV یا Excel:

df.to_csv("data.csv")  # ذخیره DataFrame در فایل CSV
df.to_excel("data.xlsx")  # ذخیره DataFrame در فایل Excel

7. نمایش DataFrame در GUI:

• می توانید از df.plot() برای رسم نمودارها و نمودارهای مختلف از ستون های DataFrame استفاده کنید.
• می توانید از df.show() برای نمایش DataFrame در یک رابط کاربری گرافیکی (GUI) تعاملی استفاده کنید.

نکات:

• می توانید از توابع Pandas مانند loc و iloc برای انتخاب زیرمجموعه ای از DataFrame برای مشاهده یا چاپ استفاده کنید.
• می توانید از توابع Pandas مانند fillna() و replace() برای جایگزینی مقادیر گمشده یا نامعتبر قبل از مشاهده یا چاپ DataFrame استفاده کنید.
• می توانید از کتابخانه های شخص ثالث مانند PrettyPrint برای قالب بندی خروجی DataFrame به روشی جذاب تر استفاده کنید.

با استفاده از روش های مختلف مشاهده و چاپ DataFrame، می توانید به طور موثر داده های خود را بررسی، تجزیه و تحلیل و به اشتراک بگذارید.