python - 可视化多个分类值在数据框中的行和列之间有何不同

Question

我有以下 DataFrame，其中每一列代表索引中项目的分类算法(a、b、...)

df = pd.DataFrame(index = ['a', 'b', 'c', 'd', 'e', 'f', 'g'])
df['A'] = ['a1', 'a1', 'a2', 'a2', 'a3', 'a4', 'a4']
df['B'] = ['b2', 'b2', 'b2', 'b1', 'b4', 'b3', 'b3']
df['C'] = ['c4', 'c4', 'c4', 'c3', 'c2', 'c2', 'c1']

df:
    A   B   C
a   a1  b2  c4
b   a1  b2  c4
c   a2  b2  c4 
d   a2  b1  c3
e   a3  b4  c2
f   a4  b3  c2
g   a4  b3  c1

我想对每列中的类别名称重新排序，以便我可以更好地评估索引项是否在各列中被类似地分类。

有没有办法可视化各列的类别差异？类似销售图的东西。

提前谢谢你。

Answer 1

这是我对您的有趣问题的看法。

使用 Python 标准库 difflib模块，它提供了计算增量的助手，您可以定义一个助手函数。

from difflib import SequenceMatcher

# Define a simple helper function
def ratio(a, b):
    return SequenceMatcher(None, a, b).ratio()

一般的想法是使用唯一标识符(基于所有列)对行之间的相似性进行评级，并将数据框从最相似的行到不太相似的行排序。

# Create a column of unique identifiers: (a, a1b2c4) for instance
df["value"] = list(zip(df.index, df["A"] + df["B"] + df["C"]))

# Find similarities and assign ratio to each unique identifier
df = df.assign(
    match=df["value"].map(
        lambda x: {
            value: ratio(x[1], value[1])
            for value in df["value"]
            if x[0] != value[0] or ratio(x[1], value[1]) != 1
        }
    )
)

# Get best ratio key: (b, a1b2c4) for instance
df["key"] = df["match"].map(lambda x: max(x, key=x.get))

# Get best match ratio
df["ratio"] = df.apply(lambda x: round(x["match"][x["key"]] * 100), axis=1)

# Sort dataframe by best ratio and cleanup
df = (
    df.sort_values("ratio", ascending=False)
    .drop(columns=["value", "match", "key"])
    .drop(columns="ratio")
)

print(df)
# Output

然后，为第一行(作为一个整体)及其各个值分配任意颜色，遍历每一行并分配先前的颜色(如果相同)或分配新颜色(同时分配给行本身和值)，例如，e 和 f 行中的 c2 具有相同的颜色。

COLORS = [
    "#F0A3FF", "#0075DC", "#FFA405", "#5EF1F2", "#FFFF00",
    "#E0FF66", "#FF5005", "#FFA8BB", "#2BCE48", "#993F00",
    "#F00300", "#19700C", "#00F405", "#4E61F2", "#FF90FF",
    "#E0FFFF", "#FF0005",
]

# Assign colors to rows and values homogenously
color_rows = {}
color_values = {}

for row in df.to_dict(orient="index").values():
    color = COLORS.pop(0)
    for value in row.values():
        if value not in color_rows:
            color_rows[value] = color
            color_values[value] = color
color_mapping = color_rows | color_values

最后，在 Jupyter 笔记本单元中，运行:

df.style.applymap(lambda v: f"background-color: {color_mapping.get(v, '')}")

输出: