教程

1.22 选项与设置 ​

Pandas 的显示、运算、兼容行为由一组全局选项控制。默认配置适合大多数场景，但在展示大数据、控制浮点精度、处理链式赋值警告时，需要临时或永久调整选项。本节讲解选项的查询与修改（get_option、set_option、reset_option、describe_option）、常用选项清单、上下文管理器 option_context，以及选项在 Jupyter 与脚本中的典型用法。

1.22.1 选项的查询与修改 ​

读取选项 get_option ​

pd.get_option('选项名') 读取当前值：

python
import pandas as pd

print(pd.get_option('display.max_rows'))        # 显示的最大行数
print(pd.get_option('display.max_columns'))     # 显示的最大列数
print(pd.get_option('display.precision'))       # 浮点显示精度

设置选项 set_option ​

pd.set_option('选项名', 值) 修改选项，立刻对后续所有输出生效：

python
import pandas as pd

pd.set_option('display.max_rows', 100)      # 最多显示 100 行
pd.set_option('display.max_columns', 20)    # 最多显示 20 列
pd.set_option('display.precision', 4)       # 浮点保留 4 位小数

重置选项 reset_option ​

pd.reset_option('选项名') 把选项恢复为默认值，支持通配符批量重置：

python
pd.reset_option('display.max_rows')    # 恢复默认
pd.reset_option('display')             # 重置 display 组全部选项

查看选项描述 describe_option ​

pd.describe_option('选项名') 显示选项的默认值、合法取值与说明：

python
pd.describe_option('display.max_rows')

1.22.2 常用选项 ​

按功能把常用选项分类如下：

显示相关（display） ​

选项作用
display.max_rows显示的最大行数，超出部分用省略号折叠
display.max_columns显示的最大列数
display.width控制台输出总宽度（字符数）
display.precision浮点数的显示精度（小数点后位数）
display.float_format浮点数显示格式，可传函数（如 '{:.2f}'.format）
display.chop_threshold绝对值小于该值的数字显示为 0
display.colheader_justify列标题对齐方式（'left'/'right'）
display.date_dayfirst日期显示时是否日在前
display.date_yearfirst日期显示时是否年在先
display.max_colwidth单元格内容最大显示宽度

示例：

python
import pandas as pd

pd.set_option('display.float_format', '{:.2f}'.format)
pd.set_option('display.chop_threshold', 1e-6)
pd.set_option('display.colheader_justify', 'left')

float_format 传入一个格式化函数，chop_threshold 把接近 0 的小数折叠为 0，两者常用于输出整洁的报告。

运算与行为相关 ​

选项作用
mode.chained_assignment链式赋值警告策略：'warn'（默认，警告）/'raise'（报错）/'None'（关闭）
mode.use_inf_as_na是否把 inf 当作缺失值参与运算
mode.copy_on_write是否启用写时复制（Pandas 2.0+，减少不必要的副本）
compute.use_numba是否允许部分运算使用 Numba 加速

链式赋值是常见的隐性问题来源。df['A'][df['B'] > 0] = 1 这类写法可能不生效，mode.chained_assignment 可调整警告级别：

python
pd.set_option('mode.chained_assignment', 'raise')   # 链式赋值直接报错

1.22.3 上下文管理器 option_context ​

pd.option_context() 在 with 块内临时修改选项，退出后自动恢复原值，不影响全局状态：

python
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(30, 5))

with pd.option_context('display.max_rows', 10, 'display.precision', 2):
    print(df)    # 此处生效：最多显示 10 行，2 位小数

print(df)        # 退出后恢复全局默认

option_context 接受任意多个"选项名=值"对，是脚本与 Jupyter 中做局部定制最安全的方式，避免遗留全局副作用。

1.22.4 选项在展示中的实际效果 ​

默认情况下大 DataFrame 会被截断，控制行数、列数与精度后输出更适合阅读：

python
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(200, 8), columns=[f'col_{i}' for i in range(8)])

with pd.option_context('display.max_rows', 15,
                       'display.max_columns', 4,
                       'display.width', 80,
                       'display.precision', 3):
    print(df)

组合使用 max_rows、max_columns、width、precision，可把宽表压制成指定尺寸的概览。注意 width 与 max_columns 相互影响，过小的宽度会强制折叠列。

1.22.5 选项的持久化 ​

set_option 设置的选项只在当前进程内有效。需要每次启动都生效的选项，写入启动脚本或项目配置文件；在 Jupyter 中，可在 ~/.ipython/profile_default/startup/ 下放置启动脚本统一设置：

python
# startup 脚本示例
import pandas as pd

pd.set_option('display.max_rows', 100)
pd.set_option('display.precision', 3)

配置文件的写法依运行环境而异，核心是把 set_option 调用放到解释器启动时执行的位置。

练习题 ​

第1题 概念理解 ​

说明 get_option、set_option、reset_option、describe_option 各自的用途；说明 option_context 与 set_option 在使用范围上的区别；说明 mode.chained_assignment 的三个取值。

参考答案

get_option 读取当前值，set_option 修改，reset_option 恢复默认，describe_option 查看说明。option_context 在 with 块内临时生效并自动恢复，set_option 全局永久修改当前进程。mode.chained_assignment 取 'warn' 时警告、'raise' 时报错、'None' 时关闭。

第2题 代码编写 ​

用 option_context 临时把 max_rows 设为 10、precision 设为 2 打印一个 30 行 DataFrame，并验证退出上下文后全局选项未改变。

参考答案
python
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(30, 4))
print(pd.get_option('display.max_rows'))

with pd.option_context('display.max_rows', 10, 'display.precision', 2):
    print(df)
    print(pd.get_option('display.max_rows'))   # 10

print(pd.get_option('display.max_rows'))        # 恢复原值

第3题 进阶练习 ​

把 display.float_format 设为 '{:.3f}'.format 并观察浮点输出；用 describe_option('display.max_columns') 查看该选项的默认值与说明；把 mode.chained_assignment 设为 'raise' 并触发一次链式赋值观察报错。

参考答案
python
import pandas as pd
import numpy as np

pd.set_option('display.float_format', '{:.3f}'.format)
print(pd.DataFrame({'x': [1.23456, 2.34567]}))

pd.describe_option('display.max_columns')

pd.set_option('mode.chained_assignment', 'raise')
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
try:
    df['A'][0] = 99    # 触发 ChainedAssignmentError
except Exception as e:
    print(type(e).__name__)
pd.reset_option('mode.chained_assignment')

常见错误 ​

错误 1 · 设置了选项但输出没变化

原因:选项名拼写错误,或设置被 option_context 之外的代码覆盖;max_columns 受 width 限制。

解决:用 describe_option 核对选项名与默认值,检查 width 是否过小。

错误 2 · 在 with 块外仍然受上下文影响

原因:误以为 option_context 会持久生效,实际它在块结束后恢复原值。

解决:需要永久修改用 set_option,需要临时修改用 option_context。

错误 3 · 链式赋值不生效也不报警告

原因:mode.chained_assignment 被设为 'None',或索引方式本身不产生副本。

解决:改用 df.loc 显式赋值;确认警告级别,必要时设回 'warn'。

错误 4 · 浮点显示精度与运算精度混淆

原因:display.precision 只影响显示,不影响存储与计算。

解决:需要真正改变数值精度时用 round() 或 astype,显示精度用 display.precision。