作者|Christopher Tao
编译|VK
起源|Towards Datas Science
作为一个应用Python作为次要编程语言的数据科学家或分析师，我置信你肯定常常应用Pandas。在Jupyter Notebook上输入pandas DataFrame是十分频繁的。
然而，你有没有想过，咱们能够让DataFrame自身可视化？换句话说，对于一些简略的可视化目标，咱们不须要Matplotlib或其余可视化库。
Pandas DataFrame输入能够像Excel电子表格一样可视化，并且反对简单款式，代码非常简单。
在这篇文章中，我将介绍Pandas库中的款式包，与它的数据处理办法相比，晓得它的人绝对较少。此外，还有一些乏味的库，它们反对Pandas DataFrame的更多在线可视化。在最初一节中，我还将介绍其中的一个Sparklines。
对于Pandas库
家喻户晓，Pandas DataFrame能够输入到iPython/Jupyter Notebook中，该 Notebook主动以HTML格局出现CSS款式。这相对是一个惊人的性能，因为即便咱们只是简略地打印它，演示文稿也十分丑陋。
它应用“HTML+CSS”。Pandas还容许咱们定制CSS款式，使它看起来更丑陋。这是通过“style”API实现的。
https://pandas.pydata.org/doc…
咱们能够间接调用df.style获取 DataFrame的Styler对象，而后增加所需的款式。当初，让咱们看看咱们能做些什么。
格式化输入
当然，咱们总是能够格式化数据自身，比df.round(2))将所有数值四舍五入到2位小数。然而，应用Pandas style也有一些益处。例如，咱们实际上不更改值，而只更改示意模式，这样就不会失落精度。
让咱们先创立一个随机DataFrame。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(10, 2)*100)
而后，让咱们以特定格局输入 DataFrame。
df.style.format("{:.2f}")
顺便说一句，如果你不太熟悉Python格式化语言，例如表达式{:.2f}，那么你能够在这里查看官网文档):https://docs.python.org/3/lib…
用背景和文本色彩突出显示单元格
我晓得，格式化还不够酷。有了CSS，咱们能够轻松地做很多事件，比方扭转背景色彩和文本色彩。
例如，对于下面显示的同一个 DataFrame，咱们心愿别离突出显示负数和自然数。如果你对CSS有一些根本的理解，或者只是简略的Google一下，你就会晓得上面的属性来设置HTML表格单元格的背景色彩和文本色彩。
background-color: red; color: white让咱们编写一个函数来给表格单元格着色。
def highlight_number(row):
return [
'background-color: red; color: white' if cell <= 0
else 'background-color: green; color: white'
for cell in row
]如果单元格的值为正数，咱们应用红色作为背景，否则如果是正值，则应用绿色。因为色彩可能有点暗，咱们还想将文本色彩改为红色。
而后，咱们能够将函数利用于 DataFrame。
df.style.apply(highlight_number)
超级酷！当初很显著，咱们失去了正数和负数，它们很好地区离开来。
链接款式函数
到目前为止，咱们每次只增加一种款式。事实上，咱们调用df.style，返回 DataFrame的Styler对象。Styler对象反对链接款式函数。让咱们看看另一个更简单的例子。
比方说，咱们想在原始数据框中增加以下款式。
- 用红色突出显示正数，用绿色突出显示负数。
- 格式化数字。
- 应用set_caption()向表增加题目。
- 使表格间隙变大，这样看起来就不会那么挤了。
- 在单元格之间增加红色边框以改善显示成果。
是的，咱们能够通过应用链表达式一次性实现所有这些操作。
df.style \
.apply(highlight_number) \
.format('${0:,.2f}') \
.set_caption('A Sample Table') \
.set_properties(padding="20px", border='2px solid white')
感觉该表能够间接用于某些业务报表
内置突出显示性能
不懂CSS，但还是想夸耀一下？是的，Pandas格调还提供了一些内置的函数，这些函数很酷，但很容易应用。
突出显示函数
让咱们应用雷同的 DataFrame进行演示。
# 为演示目标生成一个nan值
df.at[1, 1] = None
# 增加款式
df.style \
.highlight_null('lightgray') \
.highlight_max(color='lightgreen') \
.highlight_min(color='pink')
看，用你喜爱的色彩来突出显示空值、最小值和最大值是很容易的。我倡议应用浅色，因为文本色彩总是彩色的。
渐变色背景
Pandas格调还反对应用cmap为表格背景着色。当咱们想将数值数据可视化时，这是十分有用的。
df = pd.DataFrame(np.random.randn(10, 2))
df.style \
.background_gradient(cmap='Blues')
所以，背景色是渐变色的取决于数值。请留神，“蓝调”是Pandas反对的cmap之一。如果你想晓得其余反对什么，那么上面的Matplotlib文档页是一个很好的参考。
https://matplotlib.org/3.1.0/…
折线条形图
这是另一个内置的超级酷的函数。它能够在每个单元格的背景中生成条形图，以批示它们的值。让咱们应用下面的 DataFrame。
df.style.bar()
当然，咱们对条形图的默认款式并不称心。让咱们改良一下演示。
df.style \
.format('{:.2f}') \
.bar(align='mid', color=['#FCC0CB', '#90EE90']) \
.set_caption('A Sample Table with Bar Chart') \
.set_properties(padding="15px", border='2px solid white', width='300px')
你能置信这依然是你相熟的“Pandas DataFrame”吗？
让我简略地解释一下bar()办法中的参数。color参数反对单个字符串或元组，当它是元组时，第一种色彩将用于为负值着色，第二种色彩用于为正值着色。因为咱们应用两种色彩，所以咱们须要将条形图设置为在单元格两头对齐。
Sparklines-一个直线柱状图
我能够到此为止，但我想展现我发现的另一个十分乏味的库，叫做Sparklines。
你能够应用pip装置库。
pip install sparklines而后，让咱们导入这个库并创立另一个示例 DataFrame以供演示。
from sparklines import sparklines
df = pd.DataFrame({
'a': np.random.normal(0, 1, 100),
'b': np.random.normal(1, 1, 100),
'c': np.random.normal(0, 3, 100)
})
Sparklines的性能很简略。它能够应用Unicode字符串生成条形图，例如▁、▂、▃。为了确保条形图的程序正确，并使其成为一个柱状图，咱们须要先应用NumPy来筹备值来生成直方图值。
def sparkline_dist(data):
hist = np.histogram(data, bins=10)[0]
dist_strings = ''.join(sparklines(hist))
return dist_strings对于每一列，咱们能够应用迷你图生成直方图。
[sparkline_dist(df[col]) for col in df.columns]
最初，咱们能够将字符串与其余统计数据放在一起，以生成更好的报告。
df_stats = df.agg(['mean', 'std']).transpose()
df_stats['histogram'] = sl_list
df_stats.style \
.format('{:.2f}', subset=['mean', 'std']) \
.set_caption('A Sample Table with Sparklines Distributions') \
.set_properties(padding="15px", border='2px solid white')
总结
在本文中，我向你演示了Pandas款式包中的所有次要办法。咱们能够设置值的格局，给背景着色，用定制的CSS属性来改良演示。
原文链接：https://towardsdatascience.co…
欢送关注磐创AI博客站：
http://panchuang.net/
sklearn机器学习中文官网文档：
http://sklearn123.com/
欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/
发表回复