Формат таблиц в pandas / Хабр |
您所在的位置：网站首页 › pd set_option › Формат таблиц в pandas / Хабр |
Формат таблиц в pandas / Хабр
|
Если вы пока ещё не знаете как транслировать данные напрямую заказчику в подсознание или, на худой конец, текст сообщения в slack, вам пригодится информация о том, как сделать процесс интерпретации таблиц более быстрым и комфортным. Например, в excel для этого используется условное форматирование и спарклайны. А в этой статье мы посмотрим как визуализировать данные с помощью Python и библиотеки pandas: будем использовать свойства DataFrame.style и Options and settings. Настраиваем базовую визуализациюИмпортируем библиотеки: pandas для работы с данными и seaborn для загрузки классического набора данных penguins: import pandas as pd import seaborn as snsС помощью pd.set_option настроим вывод так чтобы: количество строк в таблице было не больше 5; текст в ячейке отражался полностью вне зависимости от длины (это удобно, если в ячейке длинный заголовок или URL, которые хочется посмотреть); все числа отражались с двумя знаками после запятой; pd.set_option('max_rows', 5) pd.set_option('display.max_colwidth', None) pd.set_option('display.float_format', '{:.2f}'.format)Прочитаем и посмотрим датафрейм. penguins = sns.load_dataset(‘penguins’) penguins
Если нужно вернуть настройки к дефолтным, используем pd.reset_option. Например, так, если хотим обновить все настройки разом: pd.reset_option('all')Полный список свойств set_option. Настраиваем отображение данных в таблицахФормат чисел, пропуски и регистр У датафреймов в pandas есть свойство DataFrame.style, которое меняет отображение содержимого ячеек по условию для строк или столбцов. Например, мы можем задать количество знаков после запятой, значение для отображения пропусков и регистр для строковых столбцов. (penguins .head(5) .style .format('{:.1f}', na_rep='-') .format({'species': lambda x:x.lower(), 'island': lambda x:x.lower(), 'sex': lambda x: '-' if pd.isna(x) else x.lower() }) )
У нас тут всё про пингвинов, но в данные о ценах, можно добавить знак ₽ перед числом таким образом: (df .style .format({'price': '₽{:.2f}'}) )Дальше — больше! Выделение цветом (минимум, максимум, пропуски) Функции для поиска минимального и максимального значений не работают с текстовыми полями, поэтому заранее выделим столбцы, для которых они будут применяться, в отдельный список. Этот список будем передавать в параметр subset. numeric_columns = ['bill_length_mm', 'bill_depth_mm', 'flipper_length_mm', 'body_mass_g']Подсветим минимум, максимум и пустые ячейки и выведем первые 5 строк датафрейма. (penguins .head(5) .style .format('{:.1f}', na_rep='-') .format({'species': lambda x:x.lower(), 'island': lambda x:x.lower(), 'sex': lambda x: '-' if pd.isna(x) else x.lower() }) .highlight_null(null_color='lightgrey') .highlight_max(color='yellowgreen', subset=numeric_columns) .highlight_min(color='coral', subset=numeric_columns) )
Наглядно видно, что в этих 5ти строках самый длинный клюв у пингвина в строке с индексом 2 и у него (неё!) же самые длинные плавники и самый маленький вес. Усложним ещё немного: посмотрим на разброс длины плавников пингвинов-девочек вида Adelie. Bar chart в таблице Для начала, выделим в отдельный датафрейм пингвинов женского пола и вида Adelie и посчитаем для них разброс длин плавников. adelie_female = (penguins[(penguins['species'] == 'Adelie') & (penguins['sex'] == 'FEMALE')] .copy() ) adelie_female['flipper_l_var'] = ((adelie_female['flipper_length_mm']- adelie_female['flipper_length_mm'].mean()).round())К форматированию числовых значений, пропусков и регистра добавляем формат для столбца 'flipper_l_var'. Задаём: группу столбцов (subset), для которых будем строить график; выравнивание (align): mid — так как мы ожидаем, что значения будут как положительные, так и отрицательные. Подробнее про другие параметры выравнивания можно посмотреть тут; цвет (color). В нашем случае 2 цвета: для отрицательных и положительных значений; границы (vmin, vmax).Отдельно с помощью set_properties пропишем, что значения в столбце 'flipper_l_var' должны стоять в центре ячейки. (adelie_female .head(5) .style .format('{:.1f}', na_rep='-') .format({'species': lambda x:x.lower(), 'island': lambda x:x.lower(), 'sex': lambda x: '-' if pd.isna(x) else x.lower() }) .bar(subset=['flipper_l_var'], align='mid', color=['coral', 'yellowgreen'], vmin=adelie_female['flipper_l_var'].min(), vmax=adelie_female['flipper_l_var'].max() ) .set_properties(**{'text-align': 'center'}, subset='flipper_l_var') )
Heatmap в таблице Иногда очень удобно подсветить все значения в таблице с помощью градиента. Например, когда нужно сравнить сгруппированные данные. Посчитаем количество пингвинов разных видов и средние значения массы, длин плавников и клюва в зависимости от вида. species_stat=(penguins .groupby('species') .agg(penguins_count=('species','count'), mean_bill_length=('bill_length_mm', 'mean'), mean_bill_depth=('bill_depth_mm', 'mean'), mean_flipper_length=('flipper_length_mm', 'mean'), mean_body_mass=('body_mass_g', 'mean'), ) )
О трех видах пингвинов можно сделать выводы и по этой таблице, но если значений становится чуть больше, хочется сразу заняться чем-то более полезным, чем разглядывать ряды чисел. Исправим это. Потому что, ну что может быть полезнее и веселее разглядывания чисел?! И если вы думаете по-другому, я не знаю, зачем вы дочитали до этого момента. (species_stat .T .style .format("{:.1f}") .background_gradient(cmap='Blues', axis=1) )
Транспонируем таблицу — так нагляднее сравнение между видами и применяем метод background_gradient со следующими параметрами: цветовая карта(cmap): Blues. Это одна из дефолтных карт; сравнение по строкам (axis=1). ВыводФорматирование таблиц в pandas с помощью DataFrame.style и Options and settings упрощает жизнь, ну или как минимум улучшает читабельность кода и отчетов. Но обработку типов данных, пропусков и регистра лучше, конечно, проводить осознанно ещё до этапа визуализации. Дополнительно можно разобраться с: Экспортом в excel; Собственными функциями для условного форматирования. Мы использовали встроенные функции highlight_max, highlight_min и highlight_null, но для более изощрённых условий можно написать свою; Такими библиотеками как sparklines и PrettyPandas. |
【本文地址】