In this article we will discuss how to print a big dataframe without any truncation.

Let’s create a very big dataframe with 67 rows and 27 columns i.e.

# List of Tuples
empoyees = [('jack', 34, 'Sydney', 5, 111, 112, 134, 122, 445, 122, 111, 15, 111, 112, 134, 122, 1445, 122, 111, 15, 111, 112, 134, 122, 445, 122, 111),
            ('Riti', 31, 'Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa', 27, 211, 212, 234, 222, 2445, 222, 211, 25, 211, 212, 234, 222, 2445, 222, 211, 25, 211, 212, 234, 222, 2445, 222, 211),
            ('Aadi', 16, 'Tokyo', 39, 311, 312, 334, 322, 3445, 322, 311, 35, 311, 312, 334, 322, 3445, 322, 311, 35,311, 312, 334, 322, 3445, 322, 311),
            ('Sunil', 41, 'Delhi', 412, 411, 412, 434, 422, 4445, 422, 411, 45, 411, 412, 434, 422, 4445, 422, 411,45, 411, 412, 434, 422, 4445, 422, 411),
            ('Veena', 33, 'Delhi', 54, 511, 512, 534, 522, 5445, 522, 511, 55, 511, 512, 534, 522, 5445, 522, 511,55, 511, 512, 534, 522, 5445, 522, 511),
            ('Shaunak', 35, 'Mumbai', 665, 611, 612, 634, 622, 6445, 622, 611, 65, 611, 612, 634, 622, 6445, 622,611, 65, 611, 612, 634, 622, 6445, 622, 611),
            ('Shaun', 35, 'Colombo', 711, 711, 712, 734, 722, 7445, 722, 711, 75, 711, 712, 734, 722, 7445, 722, 711,75, 711, 712, 734, 722, 7445, 722, 711)
            ]

# Create a DataFrame object
empDfObj = pd.DataFrame(empoyees, columns=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P','Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'AA'])

# Multiple the number of rows in dataframe by 100
empDfObj = empDfObj.append([empDfObj] * 8, ignore_index=True)

Confirm the dataframe’s size by checking the number of columns and rows in the dataframe empDFObj,
print('Number of colums in Dataframe : ', len(empDfObj.columns))
print('Number of rows in Dataframe : ', len(empDfObj.index))

Output:
Number of columns in Dataframe :  27
Number of rows in Dataframe :  63

Now let’s try printing the contents of the dataframe,
print(empDfObj)

Output:
Contents of the Dataframe : 
          A   B ...     Z   AA
0      jack  34 ...   122  111
1      Riti  31 ...   222  211
2      Aadi  16 ...   322  311
3     Sunil  41 ...   422  411
4     Veena  33 ...   522  511
..      ...  .. ...   ...  ...
58     Aadi  16 ...   322  311
59    Sunil  41 ...   422  411
60    Veena  33 ...   522  511
61  Shaunak  35 ...   622  611
62    Shaun  35 ...   722  711
[63 rows x 27 columns]

By default our complete contents of out dataframe are not printed, output got truncated. It printed only 10 rows (first & last 5 rows) instead of 63 and 12 columns instead of complete 27, all the remaining data is truncated. Now what if we want to print the full dataframe i.e. all 63 rows and 27 columns without any truncation ?

Display full contents of a dataframe

Pandas provides an operation system to customize the behavior & display related stuff. Using this options module we can configure the display to show the complete dataframe instead of truncated one. A function set_option() is provided in pandas to set these kind of options,

pandas.set_option(pat, value)

It sets the value of the specified option. Let’s use this to display full contents of a dataframe.

So, to display complete contents of a dataframe without any kind of truncation, we need to set these 4 options,

pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', -1)

Let’s understand each of these options one by one.

Setting to display All rows of Dataframe

In pandas when we print a dataframe, it displays at max_rows number of rows. If we have more rows, then it truncates the rows.

pandas.options.display.max_rows

This option represents the maximum number of rows that pandas will display while printing a dataframe. Default value of max_rows is 10.
If set to ‘None‘ then it means unlimited i.e. pandas will display all the rows in dataframe. Let’s set it to None while printing the contents of above created dataframe empDfObj,
# Default value of display.max_rows is 10 i.e. at max 10 rows will be printed.
# Set it None to display all rows in the dataframe
pd.set_option('display.max_rows', None)

Now let’s check the contents of dataframe again,
print(empDfObj)

Output:
          A   B ...     Z   AA
0      jack  34 ...   122  111
1      Riti  31 ...   222  211
2      Aadi  16 ...   322  311
3     Sunil  41 ...   422  411
4     Veena  33 ...   522  511
5   Shaunak  35 ...   622  611
6     Shaun  35 ...   722  711
7      jack  34 ...   122  111
8      Riti  31 ...   222  211
9      Aadi  16 ...   322  311
10    Sunil  41 ...   422  411
11    Veena  33 ...   522  511
12  Shaunak  35 ...   622  611
13    Shaun  35 ...   722  711
14     jack  34 ...   122  111
15     Riti  31 ...   222  211
16     Aadi  16 ...   322  311
17    Sunil  41 ...   422  411
18    Veena  33 ...   522  511
19  Shaunak  35 ...   622  611
20    Shaun  35 ...   722  711
21     jack  34 ...   122  111
22     Riti  31 ...   222  211
23     Aadi  16 ...   322  311
24    Sunil  41 ...   422  411
25    Veena  33 ...   522  511
26  Shaunak  35 ...   622  611
27    Shaun  35 ...   722  711
28     jack  34 ...   122  111
29     Riti  31 ...   222  211
30     Aadi  16 ...   322  311
31    Sunil  41 ...   422  411
32    Veena  33 ...   522  511
33  Shaunak  35 ...   622  611
34    Shaun  35 ...   722  711
35     jack  34 ...   122  111
36     Riti  31 ...   222  211
37     Aadi  16 ...   322  311
38    Sunil  41 ...   422  411
39    Veena  33 ...   522  511
40  Shaunak  35 ...   622  611
41    Shaun  35 ...   722  711
42     jack  34 ...   122  111
43     Riti  31 ...   222  211
44     Aadi  16 ...   322  311
45    Sunil  41 ...   422  411
46    Veena  33 ...   522  511
47  Shaunak  35 ...   622  611
48    Shaun  35 ...   722  711
49     jack  34 ...   122  111
50     Riti  31 ...   222  211
51     Aadi  16 ...   322  311
52    Sunil  41 ...   422  411
53    Veena  33 ...   522  511
54  Shaunak  35 ...   622  611
55    Shaun  35 ...   722  711
56     jack  34 ...   122  111
57     Riti  31 ...   222  211
58     Aadi  16 ...   322  311
59    Sunil  41 ...   422  411
60    Veena  33 ...   522  511
61  Shaunak  35 ...   622  611
62    Shaun  35 ...   722  711

[63 rows x 27 columns]

Now it printed all the 63 rows. But still columns are truncated. Let’s see to handle that,

Setting to display All Columns in Dataframe

By default only 4 columns were printed instead of all 27. To print all the columns we need to set following option to None i.e.

display.max_columns

By setting this to None, we instruct pandas that it should not truncate columns and display all of them. Let’s try it with dataframe created above i.e. empDfObj,
# Set it to None to display all columns in the dataframe
pd.set_option('display.max_columns', None)

Now let’s check the contents of dataframe empDfObj again,
print(empDfObj)

Output:
          A   B                                                  C    D    E  \
0      jack  34                                             Sydney    5  111   
1      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
2      Aadi  16                                              Tokyo   39  311   
3     Sunil  41                                              Delhi  412  411   
4     Veena  33                                              Delhi   54  511   
5   Shaunak  35                                             Mumbai  665  611   
6     Shaun  35                                            Colombo  711  711   
7      jack  34                                             Sydney    5  111   
8      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
9      Aadi  16                                              Tokyo   39  311   
10    Sunil  41                                              Delhi  412  411   
11    Veena  33                                              Delhi   54  511   
12  Shaunak  35                                             Mumbai  665  611   
13    Shaun  35                                            Colombo  711  711   
14     jack  34                                             Sydney    5  111   
15     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
16     Aadi  16                                              Tokyo   39  311   
17    Sunil  41                                              Delhi  412  411   
18    Veena  33                                              Delhi   54  511   
19  Shaunak  35                                             Mumbai  665  611   
20    Shaun  35                                            Colombo  711  711   
21     jack  34                                             Sydney    5  111   
22     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
23     Aadi  16                                              Tokyo   39  311   
24    Sunil  41                                              Delhi  412  411   
25    Veena  33                                              Delhi   54  511   
26  Shaunak  35                                             Mumbai  665  611   
27    Shaun  35                                            Colombo  711  711   
28     jack  34                                             Sydney    5  111   
29     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
30     Aadi  16                                              Tokyo   39  311   
31    Sunil  41                                              Delhi  412  411   
32    Veena  33                                              Delhi   54  511   
33  Shaunak  35                                             Mumbai  665  611   
34    Shaun  35                                            Colombo  711  711   
35     jack  34                                             Sydney    5  111   
36     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
37     Aadi  16                                              Tokyo   39  311   
38    Sunil  41                                              Delhi  412  411   
39    Veena  33                                              Delhi   54  511   
40  Shaunak  35                                             Mumbai  665  611   
41    Shaun  35                                            Colombo  711  711   
42     jack  34                                             Sydney    5  111   
43     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
44     Aadi  16                                              Tokyo   39  311   
45    Sunil  41                                              Delhi  412  411   
46    Veena  33                                              Delhi   54  511   
47  Shaunak  35                                             Mumbai  665  611   
48    Shaun  35                                            Colombo  711  711   
49     jack  34                                             Sydney    5  111   
50     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
51     Aadi  16                                              Tokyo   39  311   
52    Sunil  41                                              Delhi  412  411   
53    Veena  33                                              Delhi   54  511   
54  Shaunak  35                                             Mumbai  665  611   
55    Shaun  35                                            Colombo  711  711   
56     jack  34                                             Sydney    5  111   
57     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
58     Aadi  16                                              Tokyo   39  311   
59    Sunil  41                                              Delhi  412  411   
60    Veena  33                                              Delhi   54  511   
61  Shaunak  35                                             Mumbai  665  611   
62    Shaun  35                                            Colombo  711  711   
F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T  \
0   112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
1   212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
2   312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
3   412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
4   512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
5   612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
6   712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
7   112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
8   212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
9   312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
10  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
11  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
12  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
13  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
14  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
15  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
16  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
17  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
18  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
19  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
20  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
21  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
22  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
23  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
24  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
25  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
26  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
27  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
28  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
29  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
30  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
31  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
32  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
33  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
34  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
35  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
36  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
37  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
38  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
39  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
40  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
41  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
42  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
43  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
44  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
45  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
46  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
47  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
48  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
49  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
50  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
51  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
52  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
53  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
54  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
55  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
56  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
57  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
58  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
59  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
60  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
61  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
62  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
U    V    W    X     Y    Z   AA  
0   111  112  134  122   445  122  111  
1   211  212  234  222  2445  222  211  
2   311  312  334  322  3445  322  311  
3   411  412  434  422  4445  422  411  
4   511  512  534  522  5445  522  511  
5   611  612  634  622  6445  622  611  
6   711  712  734  722  7445  722  711  
7   111  112  134  122   445  122  111  
8   211  212  234  222  2445  222  211  
9   311  312  334  322  3445  322  311  
10  411  412  434  422  4445  422  411  
11  511  512  534  522  5445  522  511  
12  611  612  634  622  6445  622  611  
13  711  712  734  722  7445  722  711  
14  111  112  134  122   445  122  111  
15  211  212  234  222  2445  222  211  
16  311  312  334  322  3445  322  311  
17  411  412  434  422  4445  422  411  
18  511  512  534  522  5445  522  511  
19  611  612  634  622  6445  622  611  
20  711  712  734  722  7445  722  711  
21  111  112  134  122   445  122  111  
22  211  212  234  222  2445  222  211  
23  311  312  334  322  3445  322  311  
24  411  412  434  422  4445  422  411  
25  511  512  534  522  5445  522  511  
26  611  612  634  622  6445  622  611  
27  711  712  734  722  7445  722  711  
28  111  112  134  122   445  122  111  
29  211  212  234  222  2445  222  211  
30  311  312  334  322  3445  322  311  
31  411  412  434  422  4445  422  411  
32  511  512  534  522  5445  522  511  
33  611  612  634  622  6445  622  611  
34  711  712  734  722  7445  722  711  
35  111  112  134  122   445  122  111  
36  211  212  234  222  2445  222  211  
37  311  312  334  322  3445  322  311  
38  411  412  434  422  4445  422  411  
39  511  512  534  522  5445  522  511  
40  611  612  634  622  6445  622  611  
41  711  712  734  722  7445  722  711  
42  111  112  134  122   445  122  111  
43  211  212  234  222  2445  222  211  
44  311  312  334  322  3445  322  311  
45  411  412  434  422  4445  422  411  
46  511  512  534  522  5445  522  511  
47  611  612  634  622  6445  622  611  
48  711  712  734  722  7445  722  711  
49  111  112  134  122   445  122  111  
50  211  212  234  222  2445  222  211  
51  311  312  334  322  3445  322  311  
52  411  412  434  422  4445  422  411  
53  511  512  534  522  5445  522  511  
54  611  612  634  622  6445  622  611  
55  711  712  734  722  7445  722  711  
56  111  112  134  122   445  122  111  
57  211  212  234  222  2445  222  211  
58  311  312  334  322  3445  322  311  
59  411  412  434  422  4445  422  411  
60  511  512  534  522  5445  522  511  
61  611  612  634  622  6445  622  611  
62  711  712  734  722  7445  722  711  

Now it printed all the 27 columns. Although all columns were printed, but in wrapped manner. That’s because pandas will correctly auto-detect the width of the terminal and switch to a wrapped format in case all columns would not fit in same line.

Now let’s see how to fit all columns in same line,

Setting to display Dataframe with full width i.e. all columns in a line

To fit all the columns in same line we need to maximize the terminal width. That can be done by using following option,

display.width

If set to None and pandas will correctly auto-detect the width of dataframe and will display all columns in single line. Let’s try it with dataframe created above i.e. empDfObj,
# Width of the display in characters. If set to None and pandas will correctly auto-detect the width.
pd.set_option('display.width', None)

Now let’s check the contents of dataframe empDfObj again,
print(empDfObj)

Output:
          A   B                                                  C    D    E    F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T    U    V    W    X     Y    Z   AA
0      jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
1      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
2      Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
3     Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
4     Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
5   Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
6     Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
7      jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
8      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
9      Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
10    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
11    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
12  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
13    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
14     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
15     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
16     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
17    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
18    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
19  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
20    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
21     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
22     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
23     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
24    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
25    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
26  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
27    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
28     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
29     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
30     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
31    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
32    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
33  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
34    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
35     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
36     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
37     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
38    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
39    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
40  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
41    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
42     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
43     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
44     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
45    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
46    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
47  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
48    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
49     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
50     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
51     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
52    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
53    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
54  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
55    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
56     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
57     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
58     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
59    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
60    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
61  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
62    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711

Now it printed all the 27 columns in the single line. But, it truncated the contents of column ‘ C’. Let’s see how to handle that,

Setting to display Dataframe by maximizing column width

We can use the option,

display.max_colwidth

It is set to maximize the width in characters of a column in the dataframe while printing. When set to None, pandas will auto detect the max size of column and print contents of that column without truncated the contents. Let’s try it with dataframe created above i.e. empDfObj,
# The maximum width in characters of a column in the repr of a pandas data structure
pd.set_option('display.max_colwidth', -1)

Now let’s check the contents of dataframe empDfObj again,
print(empDfObj)

Output:
          A   B                                                                                             C    D    E    F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T    U    V    W    X     Y    Z   AA
0   jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
1   Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
2   Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
3   Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
4   Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
5   Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
6   Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
7   jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
8   Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
9   Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
10  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
11  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
12  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
13  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
14  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
15  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
16  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
17  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
18  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
19  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
20  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
21  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
22  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
23  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
24  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
25  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
26  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
27  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
28  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
29  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
30  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
31  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
32  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
33  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
34  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
35  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
36  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
37  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
38  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
39  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
40  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
41  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
42  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
43  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
44  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
45  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
46  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
47  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
48  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
49  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
50  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
51  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
52  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
53  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
54  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
55  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
56  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
57  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
58  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
59  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
60  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
61  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
62  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711

Now it printed complete contents of column ‘C’ without truncation.

So, to print basically to print all the contents of a dataframe, use following settings,

pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', -1)

Complete example is as follows,
import pandas as pd
import numpy as np
def main():
# List of Tuples
empoyees = [('jack', 34, 'Sydney', 5, 111, 112, 134, 122, 445, 122, 111, 15, 111, 112, 134, 122, 1445, 122, 111, 15, 111, 112, 134, 122, 445, 122, 111),
('Riti', 31, 'Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa', 27, 211, 212, 234, 222, 2445, 222, 211, 25, 211, 212, 234, 222, 2445, 222, 211, 25, 211, 212, 234, 222, 2445, 222, 211),
('Aadi', 16, 'Tokyo', 39, 311, 312, 334, 322, 3445, 322, 311, 35, 311, 312, 334, 322, 3445, 322, 311, 35,311, 312, 334, 322, 3445, 322, 311),
('Sunil', 41, 'Delhi', 412, 411, 412, 434, 422, 4445, 422, 411, 45, 411, 412, 434, 422, 4445, 422, 411,45, 411, 412, 434, 422, 4445, 422, 411),
('Veena', 33, 'Delhi', 54, 511, 512, 534, 522, 5445, 522, 511, 55, 511, 512, 534, 522, 5445, 522, 511,55, 511, 512, 534, 522, 5445, 522, 511),
('Shaunak', 35, 'Mumbai', 665, 611, 612, 634, 622, 6445, 622, 611, 65, 611, 612, 634, 622, 6445, 622,611, 65, 611, 612, 634, 622, 6445, 622, 611),
('Shaun', 35, 'Colombo', 711, 711, 712, 734, 722, 7445, 722, 711, 75, 711, 712, 734, 722, 7445, 722, 711,75, 711, 712, 734, 722, 7445, 722, 711)
]
# Create a DataFrame object
empDfObj = pd.DataFrame(empoyees, columns=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P','Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'AA'])
# Multiple the number of rows in dataframe by 100
empDfObj = empDfObj.append([empDfObj] * 8, ignore_index=True)
print('Number of columns in Dataframe : ', len(empDfObj.columns))
print('Number of rows in Dataframe : ', len(empDfObj.index))
print("Contents of the Dataframe : ")
print(empDfObj)
print('**** Display All rows in Dataframe ****')
# Default value of display.max_rows is 10 i.e. at max 10 rows will be printed.
# Set it None to display all rows in the dataframe
pd.set_option('display.max_rows', None)
print("Contents of the Dataframe : ")
print(empDfObj)
print('**** Display All Columns in Dataframe ****')
# Set it to None to display all columns in the dataframe
pd.set_option('display.max_columns', None)
print("Contents of the Dataframe : ")
print(empDfObj)
print('**** Display Dataframe with full width i.e. all columns in a line ****')
# Width of the display in characters. If set to None and pandas will correctly auto-detect the width.
pd.set_option('display.width', None)
print("Contents of the Dataframe : ")
print(empDfObj)
print('**** Display Dataframe by maximizing column width ****')
# The maximum width in characters of a column in the repr of a pandas data structure
pd.set_option('display.max_colwidth', -1)
print("Contents of the Dataframe : ")
print(empDfObj)
print('-- Display full Dataframe without truncation')
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
pd.set_option('display.max_colwidth', -1)
if __name__ == '__main__':
main()

Output:
Number of columns in Dataframe :  27
Number of rows in Dataframe :  63
Contents of the Dataframe : 
A   B ...     Z   AA
0      jack  34 ...   122  111
1      Riti  31 ...   222  211
2      Aadi  16 ...   322  311
3     Sunil  41 ...   422  411
4     Veena  33 ...   522  511
..      ...  .. ...   ...  ...
58     Aadi  16 ...   322  311
59    Sunil  41 ...   422  411
60    Veena  33 ...   522  511
61  Shaunak  35 ...   622  611
62    Shaun  35 ...   722  711
[63 rows x 27 columns]
--Display All rows in Dataframe
Contents of the Dataframe : 
A   B ...     Z   AA
0      jack  34 ...   122  111
1      Riti  31 ...   222  211
2      Aadi  16 ...   322  311
3     Sunil  41 ...   422  411
4     Veena  33 ...   522  511
5   Shaunak  35 ...   622  611
6     Shaun  35 ...   722  711
7      jack  34 ...   122  111
8      Riti  31 ...   222  211
9      Aadi  16 ...   322  311
10    Sunil  41 ...   422  411
11    Veena  33 ...   522  511
12  Shaunak  35 ...   622  611
13    Shaun  35 ...   722  711
14     jack  34 ...   122  111
15     Riti  31 ...   222  211
16     Aadi  16 ...   322  311
17    Sunil  41 ...   422  411
18    Veena  33 ...   522  511
19  Shaunak  35 ...   622  611
20    Shaun  35 ...   722  711
21     jack  34 ...   122  111
22     Riti  31 ...   222  211
23     Aadi  16 ...   322  311
24    Sunil  41 ...   422  411
25    Veena  33 ...   522  511
26  Shaunak  35 ...   622  611
27    Shaun  35 ...   722  711
28     jack  34 ...   122  111
29     Riti  31 ...   222  211
30     Aadi  16 ...   322  311
31    Sunil  41 ...   422  411
32    Veena  33 ...   522  511
33  Shaunak  35 ...   622  611
34    Shaun  35 ...   722  711
35     jack  34 ...   122  111
36     Riti  31 ...   222  211
37     Aadi  16 ...   322  311
38    Sunil  41 ...   422  411
39    Veena  33 ...   522  511
40  Shaunak  35 ...   622  611
41    Shaun  35 ...   722  711
42     jack  34 ...   122  111
43     Riti  31 ...   222  211
44     Aadi  16 ...   322  311
45    Sunil  41 ...   422  411
46    Veena  33 ...   522  511
47  Shaunak  35 ...   622  611
48    Shaun  35 ...   722  711
49     jack  34 ...   122  111
50     Riti  31 ...   222  211
51     Aadi  16 ...   322  311
52    Sunil  41 ...   422  411
53    Veena  33 ...   522  511
54  Shaunak  35 ...   622  611
55    Shaun  35 ...   722  711
56     jack  34 ...   122  111
57     Riti  31 ...   222  211
58     Aadi  16 ...   322  311
59    Sunil  41 ...   422  411
60    Veena  33 ...   522  511
61  Shaunak  35 ...   622  611
62    Shaun  35 ...   722  711
[63 rows x 27 columns]
--Display All Columns in Dataframe
Contents of the Dataframe : 
A   B                                                  C    D    E  \
0      jack  34                                             Sydney    5  111   
1      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
2      Aadi  16                                              Tokyo   39  311   
3     Sunil  41                                              Delhi  412  411   
4     Veena  33                                              Delhi   54  511   
5   Shaunak  35                                             Mumbai  665  611   
6     Shaun  35                                            Colombo  711  711   
7      jack  34                                             Sydney    5  111   
8      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
9      Aadi  16                                              Tokyo   39  311   
10    Sunil  41                                              Delhi  412  411   
11    Veena  33                                              Delhi   54  511   
12  Shaunak  35                                             Mumbai  665  611   
13    Shaun  35                                            Colombo  711  711   
14     jack  34                                             Sydney    5  111   
15     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
16     Aadi  16                                              Tokyo   39  311   
17    Sunil  41                                              Delhi  412  411   
18    Veena  33                                              Delhi   54  511   
19  Shaunak  35                                             Mumbai  665  611   
20    Shaun  35                                            Colombo  711  711   
21     jack  34                                             Sydney    5  111   
22     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
23     Aadi  16                                              Tokyo   39  311   
24    Sunil  41                                              Delhi  412  411   
25    Veena  33                                              Delhi   54  511   
26  Shaunak  35                                             Mumbai  665  611   
27    Shaun  35                                            Colombo  711  711   
28     jack  34                                             Sydney    5  111   
29     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
30     Aadi  16                                              Tokyo   39  311   
31    Sunil  41                                              Delhi  412  411   
32    Veena  33                                              Delhi   54  511   
33  Shaunak  35                                             Mumbai  665  611   
34    Shaun  35                                            Colombo  711  711   
35     jack  34                                             Sydney    5  111   
36     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
37     Aadi  16                                              Tokyo   39  311   
38    Sunil  41                                              Delhi  412  411   
39    Veena  33                                              Delhi   54  511   
40  Shaunak  35                                             Mumbai  665  611   
41    Shaun  35                                            Colombo  711  711   
42     jack  34                                             Sydney    5  111   
43     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
44     Aadi  16                                              Tokyo   39  311   
45    Sunil  41                                              Delhi  412  411   
46    Veena  33                                              Delhi   54  511   
47  Shaunak  35                                             Mumbai  665  611   
48    Shaun  35                                            Colombo  711  711   
49     jack  34                                             Sydney    5  111   
50     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
51     Aadi  16                                              Tokyo   39  311   
52    Sunil  41                                              Delhi  412  411   
53    Veena  33                                              Delhi   54  511   
54  Shaunak  35                                             Mumbai  665  611   
55    Shaun  35                                            Colombo  711  711   
56     jack  34                                             Sydney    5  111   
57     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211   
58     Aadi  16                                              Tokyo   39  311   
59    Sunil  41                                              Delhi  412  411   
60    Veena  33                                              Delhi   54  511   
61  Shaunak  35                                             Mumbai  665  611   
62    Shaun  35                                            Colombo  711  711   
F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T  \
0   112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
1   212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
2   312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
3   412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
4   512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
5   612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
6   712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
7   112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
8   212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
9   312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
10  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
11  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
12  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
13  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
14  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
15  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
16  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
17  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
18  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
19  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
20  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
21  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
22  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
23  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
24  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
25  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
26  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
27  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
28  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
29  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
30  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
31  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
32  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
33  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
34  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
35  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
36  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
37  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
38  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
39  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
40  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
41  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
42  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
43  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
44  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
45  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
46  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
47  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
48  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
49  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
50  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
51  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
52  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
53  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
54  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
55  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
56  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15   
57  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25   
58  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35   
59  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45   
60  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55   
61  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65   
62  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75   
U    V    W    X     Y    Z   AA  
0   111  112  134  122   445  122  111  
1   211  212  234  222  2445  222  211  
2   311  312  334  322  3445  322  311  
3   411  412  434  422  4445  422  411  
4   511  512  534  522  5445  522  511  
5   611  612  634  622  6445  622  611  
6   711  712  734  722  7445  722  711  
7   111  112  134  122   445  122  111  
8   211  212  234  222  2445  222  211  
9   311  312  334  322  3445  322  311  
10  411  412  434  422  4445  422  411  
11  511  512  534  522  5445  522  511  
12  611  612  634  622  6445  622  611  
13  711  712  734  722  7445  722  711  
14  111  112  134  122   445  122  111  
15  211  212  234  222  2445  222  211  
16  311  312  334  322  3445  322  311  
17  411  412  434  422  4445  422  411  
18  511  512  534  522  5445  522  511  
19  611  612  634  622  6445  622  611  
20  711  712  734  722  7445  722  711  
21  111  112  134  122   445  122  111  
22  211  212  234  222  2445  222  211  
23  311  312  334  322  3445  322  311  
24  411  412  434  422  4445  422  411  
25  511  512  534  522  5445  522  511  
26  611  612  634  622  6445  622  611  
27  711  712  734  722  7445  722  711  
28  111  112  134  122   445  122  111  
29  211  212  234  222  2445  222  211  
30  311  312  334  322  3445  322  311  
31  411  412  434  422  4445  422  411  
32  511  512  534  522  5445  522  511  
33  611  612  634  622  6445  622  611  
34  711  712  734  722  7445  722  711  
35  111  112  134  122   445  122  111  
36  211  212  234  222  2445  222  211  
37  311  312  334  322  3445  322  311  
38  411  412  434  422  4445  422  411  
39  511  512  534  522  5445  522  511  
40  611  612  634  622  6445  622  611  
41  711  712  734  722  7445  722  711  
42  111  112  134  122   445  122  111  
43  211  212  234  222  2445  222  211  
44  311  312  334  322  3445  322  311  
45  411  412  434  422  4445  422  411  
46  511  512  534  522  5445  522  511  
47  611  612  634  622  6445  622  611  
48  711  712  734  722  7445  722  711  
49  111  112  134  122   445  122  111  
50  211  212  234  222  2445  222  211  
51  311  312  334  322  3445  322  311  
52  411  412  434  422  4445  422  411  
53  511  512  534  522  5445  522  511  
54  611  612  634  622  6445  622  611  
55  711  712  734  722  7445  722  711  
56  111  112  134  122   445  122  111  
57  211  212  234  222  2445  222  211  
58  311  312  334  322  3445  322  311  
59  411  412  434  422  4445  422  411  
60  511  512  534  522  5445  522  511  
61  611  612  634  622  6445  622  611  
62  711  712  734  722  7445  722  711  
-- Display Dataframe with full width i.e. all columns in a line
Contents of the Dataframe : 
A   B                                                  C    D    E    F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T    U    V    W    X     Y    Z   AA
0      jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
1      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
2      Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
3     Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
4     Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
5   Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
6     Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
7      jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
8      Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
9      Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
10    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
11    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
12  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
13    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
14     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
15     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
16     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
17    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
18    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
19  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
20    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
21     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
22     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
23     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
24    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
25    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
26  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
27    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
28     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
29     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
30     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
31    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
32    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
33  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
34    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
35     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
36     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
37     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
38    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
39    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
40  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
41    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
42     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
43     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
44     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
45    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
46    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
47  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
48    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
49     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
50     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
51     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
52    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
53    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
54  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
55    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
56     jack  34                                             Sydney    5  111  112  134  122   445  122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122   445  122  111
57     Riti  31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa...   27  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
58     Aadi  16                                              Tokyo   39  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
59    Sunil  41                                              Delhi  412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
60    Veena  33                                              Delhi   54  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
61  Shaunak  35                                             Mumbai  665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
62    Shaun  35                                            Colombo  711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
-- Display Dataframe by maximizing column width
Contents of the Dataframe : 
A   B                                                                                             C    D    E    F    G    H     I    J    K   L    M    N    O    P     Q    R    S   T    U    V    W    X     Y    Z   AA
0   jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
1   Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
2   Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
3   Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
4   Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
5   Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
6   Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
7   jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
8   Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
9   Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
10  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
11  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
12  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
13  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
14  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
15  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
16  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
17  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
18  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
19  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
20  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
21  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
22  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
23  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
24  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
25  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
26  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
27  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
28  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
29  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
30  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
31  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
32  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
33  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
34  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
35  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
36  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
37  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
38  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
39  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
40  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
41  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
42  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
43  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
44  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
45  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
46  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
47  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
48  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
49  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
50  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
51  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
52  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
53  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
54  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
55  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
56  jack     34  Sydney                                                                                        5    111  112  134  122  445   122  111  15  111  112  134  122  1445  122  111  15  111  112  134  122  445   122  111
57  Riti     31  Delhiaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa  27   211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211  25  211  212  234  222  2445  222  211
58  Aadi     16  Tokyo                                                                                         39   311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311  35  311  312  334  322  3445  322  311
59  Sunil    41  Delhi                                                                                         412  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411  45  411  412  434  422  4445  422  411
60  Veena    33  Delhi                                                                                         54   511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511  55  511  512  534  522  5445  522  511
61  Shaunak  35  Mumbai                                                                                        665  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611  65  611  612  634  622  6445  622  611
62  Shaun    35  Colombo                                                                                       711  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711  75  711  712  734  722  7445  722  711
-- Display full Dataframe without truncation

 

Join a list of 2000+ Programmers for latest Tips & Tutorials