如何显示DataFrame而不使Jupyter Notebook崩溃？

要在Jupyter Notebook中显示DataFrame而不导致崩溃，可以采取以下几种方法：

1. 减少显示的行数和列数：DataFrame中的数据量过大可能会导致Notebook崩溃，可以通过设置显示的行数和列数来减少数据量。可以使用pd.set_option('display.max_rows', num_rows)和pd.set_option('display.max_columns', num_columns)来设置显示的最大行数和列数。
2. 使用head()或tail()方法：DataFrame对象提供了head()和tail()方法，可以只显示前几行或后几行数据。例如，使用df.head(10)只显示前10行数据。
3. 使用sample()方法：DataFrame对象的sample()方法可以随机抽样显示数据，可以设置抽样的行数。例如，使用df.sample(100)随机显示100行数据。
4. 使用describe()方法：DataFrame对象的describe()方法可以显示数据的统计摘要信息，包括计数、均值、标准差、最小值、最大值等。例如，使用df.describe()显示数据的统计摘要信息。
5. 使用to_csv()方法保存数据：如果DataFrame中的数据量过大无法在Notebook中显示，可以将数据保存为CSV文件，然后在Notebook中使用链接地址或其他方式提供文件的访问方式。
6. 使用分页显示：可以使用分页显示的方式，将DataFrame数据分成多个页面显示，避免一次性加载过多数据导致崩溃。可以使用Python的分页库（如ipywidgets）来实现分页显示。
7. 使用数据可视化工具：如果DataFrame中的数据量过大，可以考虑使用数据可视化工具（如Matplotlib、Seaborn、Plotly等）将数据以图表的形式展示，而不是直接显示原始数据。

总结起来，为了在Jupyter Notebook中显示DataFrame而不导致崩溃，可以通过减少显示的行数和列数、使用head()、tail()、sample()等方法显示部分数据、使用describe()方法显示统计摘要信息、保存数据为CSV文件、使用分页显示或数据可视化工具等方式来处理大量数据的显示。