这或许是全网最全的 Python dataframe 表格美颜技巧总结了

大家好,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:

  1. Styler.applymap:逐个元素,返回带有CSS属性-值对的单个字符串

  2. 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

文章目录

    • 技术提升
    • 模拟数据
    • 查看和隐藏样式
      • 隐藏索引
      • 隐藏指定的列
    • 案例1:正负颜色
    • 案例2:高亮显示数据
    • 实例3:使用默认高亮函数
    • 案例4:链式调用
    • 实例5:部分数据美化
      • 部分列属性
      • pd.IndexSlice构造列表
    • 实例6:值的格式化显示(Styler.format)
      • 整体显示
      • 使用字典,格式化特定列
      • 使用lambda匿名函数
      • 空值显示
      • 表情符
    • 实例7:内置样式
      • 内置函数
      • 热力图制作
      • 连续色谱
      • set\_properties使用
    • 实例8:个性化条形图
      • 默认方式
      • 参数align
    • 实例9:样式共享
    • 实例10:设置精度set\_precision
    • 实例11:设置标题
    • 实例12:缺失值设置
    • 实例13:综合案例
    • 实例14:终极武器
    • 输出到Excel

技术提升

本文由技术群粉丝分享,项目源码、数据、技术交流提升,均可加交流群获取,群友已超过2000人,添加时最好的备注方式为:来源+兴趣方向,方便找到志同道合的朋友

方式①、添加微信号:dkl88191,备注:来自CSDN
方式②、微信搜索公众号:Python学习与数据挖掘,后台回复:加群

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第1张图片

为了查看空值的效果,特意设置了3个空值nan:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第2张图片

查看和隐藏样式

首先是查看DataFrame的样式设置:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第3张图片

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

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第4张图片

隐藏索引

隐藏index的代码:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第5张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第6张图片

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

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第7张图片

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]  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第8张图片

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

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第9张图片

2、高亮每列的最小值

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第10张图片

3、高亮空值:默认是红色

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第11张图片

当然我们是可以改变颜色的,通过使用参数null_color:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第12张图片

使用参数axis=1,表示在行的方向上进行操作:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第13张图片

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))  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第14张图片

空值高亮和改变颜色参数同时使用,实现链式调用:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第15张图片

隐藏列属性和自定义参数同时使用:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第16张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第17张图片

pd.IndexSlice构造列表

通过pd.IndexSlice来构造

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第18张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第19张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第20张图片

使用lambda匿名函数

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第21张图片

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第22张图片

空值显示

通过参数na_rep,将空值进行替代:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第23张图片

用“空值”两个字来替代:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第24张图片

链式调用同时使用“-”来替代:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第25张图片

表情符

使用emoji表情符:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第26张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第27张图片

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 

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第28张图片

连续色谱

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第29张图片

通过参数low和high来指定色谱的范围:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第30张图片

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  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第31张图片

实例8:个性化条形图

默认方式

通过bar方法来操作:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第32张图片

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

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第33张图片

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第34张图片

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第35张图片

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?

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第36张图片

我们先创建一个样式style1:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第37张图片

将style1运用到style2中:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第38张图片

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):

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第39张图片

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第40张图片

实例11:设置标题

使用set_caption方法

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第41张图片

实例12: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"))  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第42张图片

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  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第43张图片

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'}))  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第44张图片

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:

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第45张图片

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'))  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第46张图片

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))  

这或许是全网最全的 Python dataframe 表格美颜技巧总结了_第47张图片

你可能感兴趣的:(python,python,pandas,开发语言)