【呆鸟译Py】浅谈 Pandas 样式

浅谈Pandas样式

Python大咖谈 - Kenneth Reitz 与 Mike Driscoll
Python大咖谈 - Brett Cannon（一）
Python大咖谈 - Brett Cannon（二）

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（点击下载），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；
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，点击下载。

0.1 导入 Numpy 与 Pandas

import 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：

货币样式示例1

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；

import 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。