【pandas小技巧】--DataFrame的显示样式

转载 作者：我是一只小鸟 更新时间：2023-08-25 14:31:38 38 4

                        
                          import pandas as pd

df = pd.DataFrame(
    {
        "日期": ["2022-10-01", "2022-11-11", 
               "2022-12-12", "2023-01-01", "2023-02-02"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)

df["日期"] = pd.to_datetime(df["日期"])

col_format = {
    "日期": "{:%Y/%m/%d}", 
    "单价": "¥{:,.2f}", 
    "数量": "{:,} 件"
}
df.style.format(col_format)

                        
                      

                        
                          df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", 
                "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 
               12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)

df["总价"] = df["单价"] * df["数量"]
col_format = {
    "单价": "¥{:,.2f}",
    "总价": "¥{:,.2f}",
}

df.style.format(col_format).highlight_min(
    "总价", color="red"
    ).highlight_max(
        "总价", color="lightgreen"
    )

                        
                      

                        
                          df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)

df["总价"] = df["单价"] * df["数量"]
col_format = {
    "单价": "¥{:,.2f}",
    "总价": "¥{:,.2f}",
}
df.style.format(
    col_format
    ).background_gradient(
        subset="总价", cmap="Greens"
    )

                        
                      

                        
                          df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)

df["总价"] = df["单价"] * df["数量"]

col_format = {
    "单价": "¥{:,.2f}",
    "总价": "¥{:,.2f}",
}
df.style.format(
    col_format
    ).bar(
        subset="总价", cmap="Wistia"
    )

                        
                      

38 4 0

• dataframe - 将 DataFrame 的集合组合成一个大的 DataFrame

  假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,

• dataframe - 将 DataFrame 的集合组合成一个大的 DataFrame

  假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,

• dataframe - 根据指定拒绝列表条件的另一个 DataFrame 过滤 Spark DataFrame

  我有一个 largeDataFrame(多列和数十亿行)和一个 smallDataFrame(单列和 10,000 行)。 只要 largeDataFrame 中的 some_identifier 列

• dataframe - Julia:将 DataFrame 传递给函数会创建一个指向 DataFrame 的指针吗？

  我有一个函数，可以在其中规范化 DataFrame 的前 N ​​列。我想返回规范化的 DataFrame，但不要管原来的。然而，该函数似乎也会对传递的 DataFrame 进行变异! using D

• dataframe - 如何创建具有指定模式的空 DataFrame？

  我想在 Scala 中使用指定架构在 DataFrame 上创建。我尝试过使用 JSON 读取(我的意思是读取空文件)，但我认为这不是最佳实践。 最佳答案 假设您想要一个具有以下架构的数据框: roo

• dataframe - 如何改变 DataFrame？

  我正在尝试从数据框中删除一些列，并且不希望返回修改后的数据框并将其重新分配给旧数据框。相反，我希望该函数只修改数据框。这是我尝试过的，但它似乎并没有做我所除外的事情。我的印象是参数是作为引用传递的，而

• python - Pandas - 将一个大的 DataFrame 分成几个小的 DataFrame 并通过一个函数运行每个 DataFrame

  我有一个包含大约 60000 个数据的庞大数据集。我会首先使用一些标准对整个数据集进行分组，接下来我要做的是将整个数据集分成标准内的许多小数据集，并自动对每个小数据集运行一个函数以获取参数对于每个小数

• python - 将 DataFrame 拆分为两个 DataFrame 并过滤这两个 DataFrame 以获得相同的维度

  我遇到了以下问题，并有一个想法来解决它，但没有成功:我有一个月内每个交易日的 DAX 看涨期权和看跌期权数据。经过转换和一些计算后，我有以下 DataFrame: DaxOpt 。现在的目标是消除没有

• python - Pandas:将小 DataFrame 合并为大 DataFrame，用小 DataFrame 覆盖

  我正在尝试做一些我认为应该是单行的事情，但我正在努力把它做好。 我有一个大数据框，我们称之为lg，还有一个小数据框，我们称之为sm。每个数据帧都有一个 start 和一个 end 列，以及多个其他列所

• python - 我如何(或者应该)将 DataFrame 的 DataFrame 转换为多索引 DataFrame？

  我有一个像这样的系列数据帧的数据帧: state1 state2 state3 ... sym1 sym

• python - pandas dataframe 通过复制前一个 dataframe 的 n 次行并更改日期来创建一个新的 dataframe

  我有一个大约有 9k 行和 57 列的数据框，这是“df”。 我需要一个新的数据框:'df_final'- 对于“df”的每一行，我必须将每一行复制“x”次，并将每一行中的日期逐一增加，也就是“x”次

• python - 为什么使用 read_csv() 创建的 DataFrame 与使用相同数据的 DataFrame() 创建的另一个 DataFrame 不同？

  假设有一个 csv 文件如下: # data.csv 0,1,2,3,4 a,3.0,3.0,3.0,3.0,3.0 b,3.0,3.0,3.0,3.0,3.0 c,3.0,3.0,3.0,3.0,3

• python - Pandas 将 DataFrame 求和到一个更大的 DataFrame 中，该 DataFrame 已经包含具有相同列名的相同索引

  我只想知道是否有人对以下问题有更优雅的解决方案: 我有两个 Pandas DataFrame: import pandas as pd df1 = pd.DataFrame([[1, 2, 3], [

• python - 将 pyspark.sql.dataframe.DataFrame 类型 Dataframe 转换为 Dictionary

  我有一个 pyspark 数据框，我需要将其转换为 python 字典。 下面的代码是可重现的: from pyspark.sql import Row rdd = sc.parallelize([R

• dataframe - 在 DataFrame 链中分配中间结果

  我有一个 DataFrame，我想在 @chain 的帮助下对其进行处理。如何存储中间结果？ using DataFrames, Chain df = DataFrame(a = [1,1,2,2,2

• dataframe - Julia DataFrame 中的多个条件

  我有一个包含 3 列的 DataFrame，名为 :x :y 和 :z，它们是 Float64 类型。 :x 和 "y 在 (0,1) 上是 iid uniform 并且 z 是 x 和 y 的总和。

• dataframe - PySpark DataFrame 过滤器列包含多个值

  这个问题在这里已经有了答案: pyspark dataframe filter or include based on list (3 个答案) 关闭 2 年前。 只是想知道是否有任何有效的方法来过

• dataframe - Julia - DataFrame 的频率表

  我刚找到这个包FreqTables ，它允许人们轻松地从 DataFrames 构建频率表(我正在使用 DataFrames.jl)。 以下代码行返回一个频率表: df = CSV.read("exa

• dataframe - Julia DataFrames 中的高效自定义排序？

  是否有一种快速的方法可以为 sort 指定自定义订单？/sort!在 Julia DataFrames 上？ julia> using DataFrames julia> srand(1); juli

• dataframe - Julia Dataframes 中的重复列

  在 Python Pandas 和 R 中，可以轻松去除重复的列 - 只需加载数据、分配列名，然后选择那些不重复的列。 使用 Julia Dataframes 处理此类数据的最佳实践是什么？此处不允许