当你试图打印一个超过预定义行和列数的大数据框架时，结果将被截断。请看下面的例子，以便更好地理解。
# importing numpy library
import pandas as pd
# importing diabetes dataset from sklearn
from sklearn.datasets import load_diabetes
# Loading diabetes dataset
data = load_diabetes()
# storing as data frame
dataframe = pd.DataFrame(data.data, columns=data.feature_names)
# printing data frame
print(dataframe)输出:
在上面的输出中，你可以看到总的行数是442，但它只显示了10行。这是由于pandas库的默认设置是只显示10行（默认的行数可能会因系统不同而改变）。现在我们来看看如何使用pandas来显示数据框中的所有行。
方法1：使用to_string()
这种方法是显示数据框中所有行的最简单的方法，但对于非常巨大的数据集（以百万计）来说，这种方法并不可取，因为它将整个数据框转换为一个字符串。虽然这种方法对于规模在几千人的数据集来说效果不错。
语法 :
DataFrame.to_string()代码:
# Display all rows from data frame using pandas
# importing numpy library
import pandas as pd
# importing iris dataset from sklearn
from sklearn.datasets import load_iris
# Loading iris dataset
data = load_iris()
# storing as data frame
dataframe = pd.DataFrame(data.data,columns = data.feature_names)
# Convert entire data frame as string and print
print(dataframe.to_string())输出:
在这里，在输出中，你可以看到它显示了数据框架的所有行。但是这种方法对于大的数据框架来说是不可取的，因为它把整个数据框架转换成了一个字符串，所以可能会出现内存错误。
方法2：使用set_option()
Pandas提供了一个操作系统来定制行为和显示。这个方法允许我们配置显示，以显示一个完整的数据框，而不是一个截断的数据框。pandas提供了一个函数set_option()来显示数据框的所有行。display.max_rows表示pandas在显示数据框的时候所要显示的最大行数。
max_rows的默认值是10。如果设置为’None’，那么它意味着数据框架的所有行。设置display.max_rows的值为None，并将其传递给set_option，这将显示数据框架中的所有行。
语法 :
pandas.set_option('display.max_rows', None)代码:
# Display all rows from data frame using pandas
# importing numpy library
import pandas as pd
# importing iris dataset from sklearn
from sklearn.datasets import load_iris
# Loading iris dataset
data = load_iris()
# Default value of display.max_rows is 10 so at max
# 10 rows will be printed. Set it None to display
# all rows in the dataframe
pd.set_option('display.max_rows', None)
# storing the dataset as data frame
dataframe = pd.DataFrame(data.data,columns = data.feature_names)
# printing data frame
print(dataframe)输出:
方法3：使用to_markdown()
这个方法将数据框转换为字符串对象，并为数据框添加样式和格式化。这与to_string()方法相同，但添加了样式和格式。to_markdown()将显示数据框中带有样式和格式的所有行。
语法 :
DataFrame.to_markdown()代码:
# Display all rows from data frame using pandas
# importing numpy library
import pandas as pd
# importing iris dataset from sklearn
from sklearn.datasets import load_iris
# Loading iris dataset
data = load_iris()
# storing the dataset as data frame
dataframe = pd.DataFrame(data.data, columns=data.feature_names)
# Convert entire data frame as markdown and print
print(dataframe.to_markdown())输出:
方法4：使用option_context()
这个方法与set_option()方法相同。两个方法都是一样的，唯一的区别是set_option()是永久性地改变设置，而option_context()只在其范围内进行。这个方法也使用display.max_rows作为参数，我们让它等于None来显示数据框的所有行。因此，在将display.max_rows的值设置为None并将其传递给option_context后，我们就可以看到数据框中的所有行。其语法与set_option()方法相同。
语法 :
with pandas.option_context('display.max_rows', None,):
print(dataframe)代码:
# Display all rows from data frame using pandas
# importing numpy library
import pandas as pd
# importing iris dataset from sklearn
from sklearn.datasets import load_iris
# Loading iris dataset
data = load_iris()
# storing the dataset as data frame
dataframe = pd.DataFrame(data.data, columns=data.feature_names)
# The scope of these changes
# are local with systems to with statement.
with pd.option_context('display.max_rows', None,):
print(dataframe)输出:
原文地址：https://geek-docs.com/pandas/pandas-examples/how-to-display-all-rows-from-dataframe-using-pandas.html
标签：iris,显示,rows,所有,dataframe,pandas,dataset,data,Pandas From： https://www.cnblogs.com/yuyanc/p/17140579.html