当你使用Jupyter的时候，不要使用df.show（），而要使用myDF.limit（10）.toPandas（）.head（）。而且，有时候，我们在处理多个列的时候，它会截断视图。所以只要把你的Pandas视图列配置设置为max。

# Alternative to Databricks display function.
import pandas as pd
pd.set_option('max_columns', None)

myDF.limit(10).toPandas().head()

第一项建议：当您使用Jupyter时，不要使用df.show()，而应使用df.limit(10).toPandas().head()，这样可以获得更好显示效果数据块display()
第二项建议：齐柏林笔记本。只要使用z.show(df.limit(10))
另外在齐柏林飞艇;
1.将 Dataframe 注册为SQL表df.createOrReplaceTempView('tableName')
1.插入以%sql开头的新段落，然后以惊人的显示效果查询您的表。

在最近的IPython中，如果df是panda Dataframe ，则可以使用display(df)，它会正常工作。在旧版本中，你可能需要执行from IPython.display import display。如果单元格的最后一个表达式的结果是data_frame，它也会自动显示。例如this notebook。当然，表示方式取决于你用来创建 Dataframe 的库。如果你使用的是PySpark，并且它没有定义一个很好的默认表示，那么你需要教IPython如何显示Spark DataFrame。例如，here是一个教IPython如何显示Spark上下文和Spark会话的项目。

不转换为Pandas Dataframe 。使用此...这将在适当的网格中呈现 Dataframe 。

from IPython.core.display import HTML
display(HTML("<style>pre { white-space: pre !important; }</style>"))

df.show()

您可以设置config spark.conf.set('spark.sql.repl.eagerEval.enabled', True)。这将允许显示本地pyspark DataFrame，而无需显式使用df.show（），也无需将DataFrame传输到Pandas，您所需要的只是df。

试试ApacheZeppelin（https://zeppelin.apache.org/），它有一些很好的 Dataframe 的标准可视化，特别是如果你使用sql解释器的话，它也支持其他有用的解释器。