Thư viện Pandas của Python cho phép bạn trình bày dữ liệu dạng bảng theo cách tương tự như Excel. Điều không giống nhau là chức năng tạo kiểu. Trong Excel, bạn có thể tận dụng tô màu bằng một cú nhấp chuột hoặc định dạng có điều kiện để làm nổi bật các bảng của mình. Trong Pandas, nó phức tạp hơn một chút
Tin vui là - Style API trong Pandas sẵn sàng trợ giúp. Tôi hoàn toàn không biết về nó cho đến gần đây, và đó là một trong những điều mà tôi ước mình phát hiện ra sớm hơn. Tôi đã dành quá nhiều giờ để tổng hợp dữ liệu bằng Python và Pandas, sau đó sao chép kết quả sang Excel để tạo kiểu
Âm thanh quen thuộc?
Bộ dữ liệu
Trước khi đi sâu vào nội dung hay, chúng ta phải chăm sóc bộ dữ liệu. Đoạn mã bạn sẽ thấy bên dưới tạo một mã cho bạn. Nó có bốn cột, mỗi cột có 5 giá trị tùy ý. Một số giá trị cũng bị thiếu vì những lý do mà bạn sẽ sớm thấy
import numpy as np
import pandas as pd
df = pd.DataFrame[{
"A": [0, -5, 12, -4, 3],
"B": [12.24, 3.14, 2.71, -3.14, np.nan],
"C": [0.5, 1.2, 0.3, 1.9, 2.2],
"D": [2000, np.nan, 1000, 7000, 5000]
}]
dfĐây là tập dữ liệu trông như thế nào
Đó là một đầu ra Pandas khá tiêu chuẩn, trông quen thuộc và, hãy đối mặt với nó, thật nhàm chán. Tiếp theo, bạn sẽ học cách thêm gia vị cho nó
Định dạng cơ bản với Pandas Styles
Pandas đóng gói API kiểu cho phép bạn thay đổi cách hiển thị DataFrame. Có nhiều chức năng tạo kiểu tích hợp, nhưng cũng có tùy chọn để viết của riêng bạn
Một điều tôi thấy khó chịu nhất là cột chỉ mục. Nó chỉ là một chuỗi và không cung cấp giá trị trong thế giới thực để trực quan hóa bảng. Sử dụng phương pháp
df.style.format[precision=2]df.style.hide[axis="index"]Tốt hơn nhiều
Có những thứ khác khiến DataFrame của chúng ta khó nhìn vào. Ví dụ: độ chính xác của các số thập phân này là không cần thiết. Đối với mục đích trực quan hóa, hầu hết thời gian là đủ hai chữ số thập phân
df.style.format[precision=2]Bạn có thể tiến thêm một bước trong toàn bộ câu chuyện và chỉ định một chuỗi định dạng tùy chỉnh. Cái bên dưới sẽ thêm dấu trừ trước và sau mỗi giá trị, đồng thời định dạng mỗi số thành ba chữ số thập phân
df.style.format["- {:.3f} -"]Mọi thứ không kết thúc ở đây. Đôi khi, bạn muốn định dạng khác nhau cho mỗi cột. Chỉ định chuỗi định dạng dưới dạng cặp khóa-giá trị và bạn sẽ ổn.
df.style.format[{
"A": "{:.2f}",
"B": "{:,.5f}",
"C": "{:.1f}",
"D": "$ {:,.2f}"
}]Điều đó làm điều đó cho những điều cơ bản về định dạng. Tiếp theo, chúng ta sẽ tìm hiểu nhiều cách để thay đổi văn bản và màu nền - và hơn thế nữa
Sử dụng Pandas Styler để thay đổi văn bản và màu nền
Thông thường, bạn nên đánh dấu các điểm dữ liệu mà bạn muốn thu hút sự chú ý. Hàm
df.style.format[precision=2]df.style.highlight_max[]Hàm
df.style.format[precision=2]df.style.highlight_min[]Ngoài các điểm dữ liệu tối thiểu và tối đa, bạn cũng có thể đánh dấu các giá trị còn thiếu. Ví dụ dưới đây cho bạn thấy cách tô màu các ô không có giá trị bằng màu đỏ
df.style.format[precision=2]Nếu bạn không hài lòng với nan mặc định được in, bạn cũng có thể định dạng các giá trị bị thiếu bằng một chuỗi tùy chỉnh
df.style.format[precision=2]Gọn gàng. Hãy khám phá một số tùy chọn tô màu khác
Ví dụ: hàm
df.style.format[precision=2]df.style.format[precision=2]Bạn không cần phải tô màu toàn bộ tập dữ liệu - tham số
df.style.format[precision=2]df.style.hide[axis="index"]Ngoài ra còn có một cách để thay đổi bảng màu và đặt rõ ràng các giá trị tối thiểu và tối đa. Các tham số này có sẵn trong cả hàm
df.style.format[precision=2]df.style.format[precision=2]df.style.hide[axis="index"]Đẹp, nhưng không quá dễ nhìn. Giá trị thứ hai hơi khó đọc. Đó là lý do tại sao tốt hơn là tô màu toàn bộ ô chứ không chỉ văn bản
df.style.hide[axis="index"]Bây giờ chúng ta hãy đi vào những thứ thực sự thú vị. Chúng ta sẽ khám phá màu của từng ô dưới dạng biểu đồ thanh. "Độ dài" của một thanh được biểu thị bằng giá trị của ô - giá trị càng cao so với phần còn lại của cột thì càng nhiều ô được tô màu
Để thêm màu thanh vào DataFrames của bạn, chỉ cần gọi hàm
df.style.format[precision=2]df.style.hide[axis="index"]Nó không phải là bảng đẹp nhất theo mặc định. Có một số cột có giá trị âm, vì vậy thanh đi theo cả hai chiều mà không có sự phân biệt trực quan. Đó là một thực hành thiết kế tồi, ít nhất phải nói rằng
Ngoài ra, sẽ hữu ích nếu có đường viền giữa các ô. Mặt khác, màu tô chỉ tan chảy với những màu xung quanh
df.style.hide[axis="index"]Tốt hơn nhiều
Nếu có một điểm khiến nhiều người dùng Pandas lo ngại, thì đó là kích thước văn bản. Nó quá nhỏ nếu bạn đang làm việc trên một màn hình lớn và không muốn làm mọi thứ lớn hơn
Bạn có thể sử dụng hàm
df.style.format[precision=2]Đoạn mã bên dưới đặt đường viền màu xám dày hơn, áp dụng màu xanh lục cho văn bản và tăng kích thước văn bản tổng thể
df.style.hide[axis="index"]Đó là đủ cho các kiểu dáng cơ bản. Tiếp theo, chúng ta sẽ thực sự làm cho bảng nổi bật với một vài ví dụ nâng cao
Nâng cao. Kiểu Tiêu đề Hàng và Cột Chỉ mục
Thiết kế bảng, hay thiết kế nói chung, mang tính chủ quan cao. Nhưng có một điểm chung của tất cả các bảng đẹp mắt - một hàng tiêu đề dễ phân biệt. Trong phần này, bạn sẽ học cách tạo kiểu
- Hàng tiêu đề bảng
- Cột chỉ mục của bảng
- Các ô của bảng ở trạng thái di chuột
Hãy bắt đầu nào. Chúng tôi sẽ khai báo ba từ điển - từ điển đầu tiên dành cho trạng thái di chuột, từ điển thứ hai dành cho cột chỉ mục và từ điển cuối cùng dành cho hàng tiêu đề. Bạn có thể áp dụng tất cả chúng cho DataFrame bằng chức năng
df.style.format["- {:.3f} -"]df.style.hide[axis="index"]Đó là sự khác biệt giữa ngày và đêm so với những gì chúng tôi có trước đây, nhưng chúng tôi có thể làm cho nó tốt hơn nữa. Ví dụ: chúng ta có thể làm cho tất cả các cột có cùng chiều rộng, căn giữa nội dung ô và thêm đường viền màu đen 1 pixel giữa chúng
df.style.hide[axis="index"]Bây giờ đó là một cái bàn đẹp
Tiếp theo, hãy xem cách khai báo kiểu có điều kiện dựa trên đầu ra của các hàm Python
Nâng cao. Khai báo kiểu tùy chỉnh với Pandas Styler
Đôi khi các kiểu tích hợp sẽ không cắt được. May mắn thay, bạn có thể áp dụng của riêng mình nhờ các hàm Python
Đây là một ví dụ. Hàm
df.style.format["- {:.3f} -"]- Tô màu ô màu đỏ nếu giá trị nhỏ hơn hoặc bằng giá trị trung bình
- Tô màu xanh cho ô nếu giá trị lớn hơn giá trị trung bình
- Làm cho văn bản trắng và đậm trong các trường hợp
Khi đã ở bên ngoài hàm Python, chỉ cần gọi hàm
df.style.format["- {:.3f} -"]df.style.hide[axis="index"]Không phải là màu đẹp nhất, nhưng chắc chắn là một cách dễ dàng để thiết lập định dạng có điều kiện trong Python
Một trường hợp sử dụng phổ biến là làm cho màu văn bản của ô có màu đỏ nếu giá trị là âm. Đây là cách bạn sẽ thực hiện điều đó
df.style.hide[axis="index"]Và với kiến thức đó trong vành đai của chúng tôi, chỉ còn một điều cần thảo luận - xuất các bảng theo kiểu của bạn
Cách xuất Khung dữ liệu Pandas được tạo kiểu sang Excel
Kết quả của tất cả các chức năng API kiểu Pandas là một Khung dữ liệu Pandas. Như vậy, bạn có thể gọi hàm
df.style.format["- {:.3f} -"]Đây là mã để xuất bảng màu dựa trên độ dốc
df.style.format[precision=2]Đó cũng là điều bạn có thể thực hiện trong Excel, nhưng thực hiện trong Pandas đơn giản hơn nhiều
Tóm tắt về Pandas Style API
Hôm nay bạn đã tìm hiểu thông tin chi tiết về Pandas Style API. Như tôi đã đề cập trước đó, đó là API mà tôi ước mình học sớm hơn vì nó sẽ giúp tôi tiết kiệm rất nhiều thời gian khi làm bài thuyết trình và giấy tờ
Không có gì bạn không thể tạo kiểu tóc khôn ngoan với các công cụ và kỹ thuật bạn đã học ngày hôm nay. Các chức năng có thể được xâu chuỗi lại với nhau khi bạn muốn áp dụng nhiều kiểu - ví dụ: thay đổi số vị trí thập phân và tô màu ô. Đặt hàng quan trọng, vì vậy hãy ghi nhớ điều đó