|
原文链接： https:///styling-pandas.html 简介大家都知道 Excel 可以设定单元格格式，还支持单元格迷你图，其实 Pandas 也可以，本文参照 Chris Moffitt 的 Stylin’ with Pandas 一文，为大家简单介绍一下 Pandas 如何实现 DataFrame 的样式设置，主要内容如下： 设置 DataFrame 不同列的样式，如千分号、小数位数、货币符号、日期格式，百分比等； 突出显示 DataFrame 中某一列里符合某些条件的数据，如，按不同颜色显示某列中的最大值与最小值； 以不同渐变色展示每一行数据占总数据的比例大小，占比越大，颜色越深，占比越小，则颜色越浅； 实现类似 Excel 迷你条形图的功能，根据数据大小，在单元格里显示迷你条形图； 利用 Sparklines 支持库，配合 Pandas 绘制迷你走势图。需要先用 pip install sparklines 命令安装 Sparklines 支持库。
什么是样式？为什么与使用样式？样式的基本理念是用户在调整数据显示形式的同时，不会影响数据本身的计算操作。 最直观的样式是货币符号，如果只显示一个数字，比如 25.06，读者并不清楚这个数字代表的到底是美元、英镑、日元还是人民币，但 ￥25.06，大家就都知道这是人民币了，由此可见，样式可以让数据提供更多信息。 百分比也是数据样式的重要形式，0.12 就不如 12% 更直观，用百分比说明数据更清晰，也更简单。 Pandas 支持不同样式，可以用更易理解的方式显示数据，但并未修改数据的类型，所以依然还可以用 Pandas 提供的各种数学、日期、字符串函数处理数据。 Pandas 样式还包括内容里提及的高级样式，比如添加颜色与条形图等可视化元素。本文只是简要介绍 Pandas 样式的基本功能，方便大家快速上手，提高数据分析报表的可读性。 数据文件说明数据文件为 2018年销售汇总表.csv（见下方链接），本文件引用的是原文作者 Chris 虚构的一家企业 2018 年的销售数据，但汉化了数据表的标题，方便大家在代码中识别数据列的信息；
https://github.com/jaystone776/pandas_styling/blob/master/2018年销售汇总表.csv
文件格式从原文的 xlsx 改为 csv； 文件共有 5 列，分别为账号（字符串）、姓名（字符串）、单品（字符串）、数量（整数）、单价（2 位小数）、金额（2 位小数）、日期（DateTime）
Jupyter Notebook 示例文件: https://github.com/jaystone776/pandas_styling/blob/master/浅谈Pandas样式.ipynb 0.1 导入 Numpy 与 Pandasimport numpy as np import pandas as pd 下面的代码与原文不同，原文用的是 xlsx 文件，本文用的是 csv 文件，需要解析日期。 另外需要注意，数据文件与 ipynb 文件要在同一文件夹下。 df = pd.read_csv('2018年销售汇总表.csv',parse_dates=['日期'])
0.2 df.head() 预览数据
df.head()
0.3 汇总数据，根据客人姓名分组计算 2018 年每个客人的平均金额与消费总额df.groupby('姓名')['金额'].agg(['mean','sum']) 
汇总统计消费金额1.1 设置金额样式：货币符号、千分号、2 位小数可以看到平均值显示的是 6 位小数，没有货币符号，整数部分也没有千分号。此时，可以用 DataFrame 的 style.format 修饰。 代码如下，汇总计算的代码与上面相同，但多了 .style.format('${0:,.2f}')，引号里的 $ 符号代表美元，冒号（:）后的逗号代表千分号，.2f 代表 2 位小数。 (
df.groupby('姓名')['金额']
.agg(['mean', 'sum'])
.style.format('${0:,.2f}')
)
调整以后，数据显示如下： 
可以看到，用了 .style.format() 函数以后，DataFrame 中平均值（mean）列显示的数据变成了带美元符号标记、整数部分带千分号、小数仅保留两位的样式，这种样式更便于理解金额这一概念。 如果只想保留整数，可使用 .style.format('${0:,.0f}')，把上面代码里的 2 改为 0，即可。 (
df.groupby('姓名')['金额']
.agg(['mean', 'sum'])
.style.format('${0:,.0f}')
) 
货币样式示例2
此时，可以看到，货币数据已经按四舍五入的原则保留了整数。 如需了解更多 Python 字符串格式化示例，请参照 Python String Format Cookbook 。 1.2 设定日期与百分比样式接下来用 groupby 函数，按销售日期计算每月销售金额及其占年度销售总额的比例。 monthly_sales = df.groupby([pd.Grouper(key='日期', freq='M')])['金额'].agg(['sum']).reset_index()
monthly_sales['月占比'] = monthly_sales['sum']/df['金额'].sum()
日期与百分比示例1 此处可以看到，日期显示的是每个月的最后一天，比例一列则显示为 6 位小数，这种样式显然非常不直观，但一列一列调整样式也不是好方法，能不能一次性调整多列数据的样式呢？答案自然是，能！用样式字典就可以了。
format_dict = {'sum': '${0:,.0f}', '日期': '{:%Y-%m}', '月占比': '{:.2%}'}
monthly_sales.style.format(format_dict).hide_index() 上面的代码，首先把 format_dict 定义为一个样式字典，分别设置了汇总金额（sum）、日期、月占比三列的样式。其中，汇总金额为带美元符号、千分号、0 位小数的数字；日期为经典的“年月”格式，月占比则为带 2 位小数的百分比形式。 第二行代码，使用 style.format() 调用了第一行代码设定的样式字典（format_dict ），并用 hide_index() 隐藏了索引，隐藏索引的功能在很多情况下都有用，大家可以试试。 
日期与百分比示例2 这样一来，DataFrame 的数据显示就变得比较可耐了，是不是数据显示得更清晰了，而且实现起来其实也很简单。 2. 突出显示最大值与最小值Pandas 还支持用颜色突出显示符合条件的数据，类似 Excel 里的条件格式，本文主要演示一下如何突出显示某列数据里的最大值（浅绿色）与最小值（红色）。 (
monthly_sales
.style
.format(format_dict)
.hide_index()
.highlight_max(color='lightgreen')
.highlight_min(color='red')
)
突出显示最大值与最小值 这里的 color 参数除了可以用lightgreen 这样的关键词以外，还可以使用 '#cd4f39' 这样的颜色代码，更灵活。而且可以设置多个条件，比如可以同时设置 highlight_max、highlight_min。 3. 渐变色样式只改变数字的样式，还不够，我们还想要更多，还想用颜色的深浅渐变来表示某一列数据占比的多少，其实这也是 Excel 已经提供了的功能，Pandas 也支持了。实现这一目标，需要使用 style 的 background_gradient 函数。 (
monthly_sales.style
.format(format_dict)
.background_gradient(subset=['sum'], cmap='BuGn')
)
上述代码设定了颜色渐变针对的列，subset=['sum']，色图用的是 cmap 参数，值为'BuGn'，是一种绿色的渐变色图，色图的值请参阅 matplotlib 的文档 ，还有更多色彩可选。 显示效果如下，是不是觉得更直观了？ 
渐变色样式 4. 迷你条形图样式除了渐变色，Pandas 还支持在 DataFrame 单元格里显示迷你条形图。 (
monthly_sales
.style
.format(format_dict)
.hide_index()
.bar(color='#FFA07A', vmin=100_000, subset=['sum'], align='zero')
.bar(color='lightblue', vmin=0, subset=['月占比'], align='zero')
.set_caption('2018年销售一览表')
)
这里使用的是 style 的 bar 函数，分别需要设置几个参数，color 还是支持颜色编码与关键词，vmin 是基准值，比如销售额的基准值是 10 万，百分比的基准值是 1，subset 是针对的列，align 则代表对齐方式。 此外，还可以用 set_caption 函数设置 DataFrame 的标题。代码执行后，显示效果如下。 
迷你条形图样式 5. Sparklines - 走势图走势图这种样式不是 Pandas 的内置样式，但依然很实用，也很酷，它是一个叫 sparklines 的支持库提供的。详情请参阅它的文档 ，这个模块可以为 Pandas 的 DataFrame 添加迷你走势图。 首先，导入 sparklines； 接着，定义调用 sparklines 的函数； def sparkline_str(x):
bins=np.histogram(x)[0]
sl = ' '.join(sparklines(bins)) return sl
sparkline_str.__name__ = '走势图'
最后，在 groupby 函数里调用定义的 sparkline_str 函数； df.groupby('姓名')['数量', '金额'].agg(['mean', sparkline_str])
迷你走势图示例 这种汇总功能可以很直观的显示数据，更有趣的是这个走势图是由纯文本组成的，又简单，又实用，对不？ 总结Pandas 的样式功能备受欢迎，尤其是分析师完成数据分析工作后，要给别人展示数据分析结果的时候，这个功能可以让你的数据分析报告更直观，更清晰。除了本文介绍的功能之外，其实还有更多样式与函数功能供你选择，本文只是引导您上手 Pandas 样式的基础入门，想要玩的更花俏，请自行研究 Pandas 官方的样式文档。 最后，感谢 Alexas_Fotos 提供的图片，非常有创意。
翻译不易，四处求证、三天翻译、两天校对，只求一秒点赞 ，即右下方的 “在看”^_^
|
