用pandas轻松搞定数据探索性分析（pandas参数、pandas风格、pandas-profiling）

对于每个从事和数据科学有关的人来说，大部分的时间都花在了前期的数据工作中，包括清洗、处理、探索性数据分析等。前期的工作不仅关乎数据的质量，也关乎最终模型预测效果的好坏。本文介绍一些比较冷门但效果不错的pandas方法来对数据进行初步探索，已经最后介绍一个非常方便实用的库pandas-profiling。

import pandas as pd
import numpy as np

展示全部特征列 

data = pd.read_csv('loans_2020.csv')
data.head()

首先我们看到，对于一些比较大型的数据集导入时，会像上图这样将特征缩略，不能很好地直观看到所有的特征，那么此时可以将pandas的设置更改一下：

pd.set_option('display.max_columns', None)
data.head()

其中None可以改为你想要展示的具体最大列数。

展示单元格的全部内容

data1 = pd.DataFrame({'name': ['O'*80, 'X'*80]})
data1

像上图中如果一个单元格内的内容太多可能会缩略掉，若想展示全部内容的话也可以通过pandas设置来改变：

pd.set_