首页 > 其他分享> 文章详细

Pandas表格美颜技巧

2021-11-30 22:32:04 阅读：239 来源： 互联网

标签：subset style set 高亮表格 color 美颜 highlight Pandas

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

本文中主要介绍的是如何来美化Pandas的DataFrame的数据。主要是通过Pandas中的两个方法来实现：

Styler.applymap：逐个元素，返回带有CSS属性-值对的单个字符串
Styler.apply：列、表、行的方式，返回具有相同形状的Series或者DataFrame，其中每个值都是带有CSS属性值对的字符串。该方法在作用的时候，通过参数axis来传递，axis=0表示按列作用，axis=1表示按行作用。

官网学习地址：

https://pandas.pydata.org/pandas-docs/version/1.1.5/user_guide/style.html#Export-to-Excel
https://pandas.pydata.org/pandas-docs/stable/user_guide/style.html

Pandas连载

Pandas的文章一直在连载中：

模拟数据

import pandas as pd
import numpy as np

# 设置随机种子，保证每次运行结果相同
np.random.seed(20)  

# 模拟数据
df = pd.DataFrame({'A': np.linspace(1, 10, 10)})
# 将两个DataFrame进行合并
df1 = pd.concat([df, pd.DataFrame(np.random.randn(10,4), columns=list("BCDE"))],axis=1)
df1

numpy中的linspace(start,stop,setp)：表示按照步长取数，包含头尾的数据：

为了查看空值的效果，特意设置了3个空值nan：

查看和隐藏样式

首先是查看DataFrame的样式设置：

我们可以通过render方法来查看数据框样式的具体值：发现都是默认的CSS样式的代码

隐藏索引

隐藏index的代码：

隐藏指定的列

我们发现AC两个列被隐藏了，使用的是参数subset参数：

下面是各种显示样式的案例讲解：

案例1：正负颜色

小于0显示红色，大于0显示蓝色

def color_change(val):
    color = 'red' if val < 0 else 'blue'
    return 'color: %s' % color

# 使用applymap并调用写好的函数
df1.style.applymap(color_change)

applymap方法是针对整个DataFrame的

案例2：高亮显示数据

可以高亮显示最大、最小和缺失值。手写一个简单的高亮函数：

def highlight_min(x):
    is_min = x == x.min()
    return ["background-color: yellow" if v else '' for v in is_min]

实例3：使用默认高亮函数

Pandas中已经默认写好了内置的3个高亮函数：

highlight_max(): 最大
highlight_min(): 最小
highlight_null(): 空值

同时我们还可以搭配参数axis来显示行或者列

1、高亮最大值

2、高亮每列的最小值

3、高亮空值：默认是红色

当然我们是可以改变颜色的，通过使用参数null_color：

使用参数axis=1，表示在行的方向上进行操作：

案例4：链式调用

链式调用指的是在同一个样式操作中同时使用多个函数（方法）：

# color_change + highlight_max
df1.style.applymap(color_change).apply(highlight_min)

如果方法特别多，可以分行写：

# color_change + highlight_max
df1.style.\
applymap(color_change).\
apply(highlight_min)

# 或者：外面再加层括号，表示整个代码是一个整体
(df1.style.
applymap(color_change).
apply(highlight_min))

空值高亮和改变颜色参数同时使用，实现链式调用：

隐藏列属性和自定义参数同时使用：

实例5：部分数据美化

使用参数subset参数控制作用的行列，传入的参数可以是：

列标签
列表（numpy数组）
元组（row_indexer， column_indexer）

部分列属性

通过参数subset来指定我们想要美化的列属性：

pd.IndexSlice构造列表

通过pd.IndexSlice来构造

实例6：值的格式化显示（Styler.format）

Styler.format来控制数值的格式化输出，类似于Python中的字符串格式化

整体显示

比如我们想要全部数据只显示两位小数：

使用字典，格式化特定列

通过字典的形式，列属性名当做键，格式说明当做值，进行格式化设置：

使用lambda匿名函数

空值显示

通过参数na_rep，将空值进行替代：

用“空值”两个字来替代：

链式调用同时使用“-”来替代：

表情符

使用emoji表情符：

实例7：内置样式

内置函数

在这里使用的是内置的空值高亮函数：

热力图制作

我们借助seaborn库来实现：

import seaborn as sns

cm = sns.light_palette("blue", as_cmap=True)
s = df1.style.background_gradient(cmap=cm)
s

连续色谱

通过参数low和high来指定色谱的范围：

set_properties使用

### set_properties使用

df1.style.set_properties(**{"background":"yellow",  # 背景色
                           "color":"red",  # 字体
                           "border-color":"black"})  # 边界

实例8：个性化条形图

默认方式

通过bar方法来操作：

参数align

有3种对齐方式：

left：最小值从单元格的左侧开始
zero：零值位于单元格的中心
mid：单元格中的中心在（max-min)/2处

实例9：样式共享

假设我们某个一个DataFrame创建了一个样式，然后想在另一个DataFrame中直接使用这个样式，该怎么做呢？

我们先创建一个样式style1：

将style1运用到style2中：

实例10：设置精度set_precision

通常是给数据框中的数据指定精度（小数位）：

实例11：设置标题

使用set_caption方法

缺失值设置

使用的是set_na_rep函数：

(df1.style.set_na_rep("FAIL")
    .format(None, na_rep="PASS", subset=["D"])
    .highlight_null("yellow"))

实例13：综合案例

(df1.style
  .set_na_rep('-')  # 设置空值
  .format({'C':'{:.4f}',  # 精度设置
           'D':'{:.4f}',
           'E':'{:.2%}'},na_rep="-")  # 精度和空值同时设置
  .highlight_null("green")  # 空值高亮
  .applymap(color_change,subset=['D'])  # D列使用color_change函数
  .apply(highlight_min,subset=['C'])  # C列使用highlight_min
  .background_gradient(cmap='cubehelix',subset=['B','D'])  # 背景色设置
  .bar(subset=['E'], align='mid', color=['#60BCD4','#6A1B9A'])  # 柱状图设置
  .set_caption("Title of Pandas Style")  # 标题设置
  .hide_index()  # 隐藏索引
  .hide_columns(subset=['A']))  # 隐藏A列

实例14：终极武器

# 版本至少需要pandas1.2.0
style1 = [
    dict(selector="th", props=[("font-size", "125%"), 
                               ("text-align", "center"),
                               ("background-color", "#F0F3CF"),
                               ('width',"100px"),
                               ('height','80px')]),
    
    dict(selector="td", props=[("font-size", "105%"), 
                               ("text-align", "right"),
                               ('width',"150px"),
                               ('height','50px')]),
    
    dict(selector="caption", props=[("caption-side", "top"),
                                    ("font-size","150%"),
                                    ("font-weight","bold"),
                                    ("text-align", "left"),
                                    ('height','50px'),
                                    ('color','#E74C3C')])]

style2 = {
    'A': [dict(selector='td', props=[('text-align','center'),
                                     ("font-weight","bold"),
                                     ("text-transform","capitalize")])],
    'B': [dict(selector='td', props=[('text-align','left'),
                                     ("font-style","italic")])],
    'C': [dict(selector='td', props=[('text-decoration','underline'),
                                     ('text-decoration-color','red'),
                                     ('text-decoration-style','wavy')])]}
# 链式调用各种设置方法
(df1.style
  .set_na_rep('-')  # 整体空值
  .format({'C':'{:.4f}','D':'{:.4f}','E':'{:.2%}'},na_rep="-")  # 精度
  .highlight_null("gray")  # 高亮空值
  .applymap(color_change,subset=['B']).highlight_max(subset=['A'])  # color_change函数和最大值高亮
  .background_gradient(cmap='Pastel1',subset=['C','D'])  #  背景
  .bar(subset=['E'], align='mid', color=['#90BCD4','#6A1B9A'])  # 柱状
  .set_caption("Advanced use of Pandas Style")  # 标题 
 	.hide_index()  # 隐藏索引
  .hide_columns(subset=['E'])  # 隐藏E列  
  .set_table_styles(style1).set_table_styles(style2,overwrite=False)  # 样式传递
  .set_properties(**{'font-family': 'Microsoft Yahei','border-collapse': 'collapse',  # 属性设置
                     'border-top': '1px solid black','border-bottom': '1px solid black'}))

输出到Excel

这是一个还在开发阶段的功能，将DataFrame使用openyxl或者xlswriter作为引擎导出到Excel表格中，官网是这样说的：

在这里看一个简单的案例：

(df1.style
   .applymap(color_change)  # 正负改变颜色
   .apply(highlight_min)  # 高亮最小值
   .to_excel('styled.xlsx', engine='openpyxl'))

如果我们不想要索引号，添加index=False：

(df1.style
   .applymap(color_change)  # 正负改变颜色
   .apply(highlight_min)  # 高亮最小值
   .to_excel('styled.xlsx', engine='openpyxl', index=False))

标签：subset,style,set,高亮,表格,color,美颜,highlight,Pandas
来源： https://blog.csdn.net/qq_25443541/article/details/121644444

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9