Как по-разному стилизовать группы строк в зависимости от значения столбца с помощью Pandas Styler

Чего я пытаюсь достичь:

У меня есть следующий фрейм данных, df:

data = {'person': {0: 'a',
  1: 'a',
  2: 'a',
  3: 'a',
  4: 'a',
  5: 'a',
  6: 'b',
  7: 'b',
  8: 'b',
  9: 'b',
  10: 'b',
  11: 'b',
  12: 'c',
  13: 'c',
  14: 'c',
  15: 'c',
  16: 'c',
  17: 'c'},
 'x': {0: 1,
  1: 1,
  2: 1,
  3: 1,
  4: 1,
  5: 1,
  6: 1,
  7: 1,
  8: 1,
  9: 1,
  10: 1,
  11: 1,
  12: 1,
  13: 1,
  14: 1,
  15: 1,
  16: 1,
  17: 1},
 'y': {0: 2,
  1: 2,
  2: 2,
  3: 2,
  4: 2,
  5: 2,
  6: 2,
  7: 2,
  8: 2,
  9: 2,
  10: 2,
  11: 2,
  12: 2,
  13: 2,
  14: 2,
  15: 2,
  16: 2,
  17: 2},
 'z': {0: 'foo',
  1: 'foo',
  2: 'foo',
  3: 'bar',
  4: 'bar',
  5: 'bar',
  6: 'foo',
  7: 'foo',
  8: 'foo',
  9: 'bar',
  10: 'bar',
  11: 'bar',
  12: 'foo',
  13: 'foo',
  14: 'foo',
  15: 'bar',
  16: 'bar',
  17: 'bar'}}

df = pd.DataFrame.from_dict(data, orient='columns')

И я хочу по-разному стилизовать группы строк (в разных наборах чередующихся цветов) в зависимости от значения z ДЛЯ КАЖДОГО ЗНАЧЕНИЯ person.


Мой желаемый результат:


Что я пробовал:

Первоначально я решил, что можно использовать вложенный цикл для разделения каждого z на каждый person. Сначала я попробовал протестировать это только для одного person, вот так:


COLORS = {
     'foo':['red','green'],
     'bar':['blue','yellow']
}

test = df.loc[df.person=='a'].copy()

sub_person = pd.DataFrame()

for val in test.z.unique():
     i_test = test.loc[test.z==val].copy()
     c1 = COLORS[val][0]
     c2 = COLORS[val][-1]
     css_alt_rows = f'background-color: {c1}; color: {c2};'

     i_test = (i_test.style.apply(lambda col: np.where(col.index % 2, css_alt_rows,None)))

     sub_person = pd.concat([sub_person,i_test])

Я подумал, что это умное решение для индивидуальной обработки различных стилей, но столкнулся с ошибкой:

TypeError: cannot concatenate object of type '<class 'pandas.io.formats.style.Styler'>'; only Series and DataFrame objs are valid

Итак, оказывается, что этот код не может работать, поскольку вы не можете объединить объекты Styler.

Затем я попробовал аналогичную стратегию, вложив лямбда-функцию в другое условие np.where():

COLORS = {
     'foo':['red','green'],
     'bar':['blue','yellow']
}

test = df.loc[df.person=='a'].copy()

for val in test.z.unique():

     c1 = COLORS[val][0]
     c2 = COLORS[val][-1]
     css_alt_rows = f'background-color: {c1}; color: {c2};'

     test = (test.style.apply(lambda col: np.where(np.where(col.index % 2, css_alt_rows,None),None)))

Но я получаю следующую ошибку:

AttributeError: 'Styler' object has no attribute 'style'

Это имеет смысл, поскольку после первой итерации цикла test становится объектом стиля, что приводит к test.style возникновению ошибки на следующей итерации.


Итак, как мне применить эти стили для каждого z для каждого person?

Кроме того, как я могу добавить нижнюю границу в последней строке каждого person, не имея возможности индивидуально оформлять группы и объединять их?

Примечание. Да, цвета на colors не будут соответствовать изображению, и это нормально.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
50
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Я бы использовал пользовательскую функцию и style.apply на axis=None и помощь от groupby.transform:

COLORS = {
     'foo':['red','green'],
     'bar':['blue','yellow']
}

def color(s):
    # convert chunk to color array
    a = np.asarray(COLORS.get(s.name[1], ['']))
    # index colors with modulo
    return a[np.arange(len(s))%len(a)]

def highlight(df):
    # apply color per group
    c = 'background-color: ' + df.groupby(['person', 'z'])['z'].transform(color)
    # expand as DataFrame
    return pd.DataFrame(dict.fromkeys(df, c), index=df.index)

df.style.apply(highlight, axis=None)

Вариант, который должен быть более эффективным, с использованием слияния :

sizes = pd.Series({k: len(v) for k,v in COLORS.items()})

colors = (pd.concat({k: pd.Series(v) for k, v in COLORS.items()},
                    names=['z', 'n'])
            .radd('background-color: ')
            .reset_index(name='color')
         )

def highlight(df):
    c = (df.assign(n=df.groupby(['person', 'z']).cumcount()
                    %df['z'].map(sizes))
           .merge(colors, how='left')['color']
        )
    return pd.DataFrame(dict.fromkeys(df, c), index=df.index)

df.style.apply(highlight, axis=None)

Выход:

Очень хорошо. Принято и отмечено как полезное. Как я могу реализовать черную нижнюю границу в последней строке каждого person (5,11,17), используя этот метод?

bismo 29.07.2024 20:29

Я добавил вариант, который должен быть более эффективным. Не знаю насчет границ, но использование style.apply с axis=None дает большую гибкость в настройке стиля. Вам просто нужно создать DataFrame со стилем для каждой ячейки.

mozway 29.07.2024 20:32

@mozway, мне нужна твоя рука помощи. если inp = [0, 0, 0, 1, 1, 2, 3, 3, 3, 3], как чередовать 0/1 для четных значений и 2/3 для нечетных? результат должен быть [0, 1, 0, 2, 3, 0, 2, 3, 2, 3].

Timeless 29.07.2024 21:22

@Timeless один вариант: inp = pd.Series([0, 0, 0, 1, 1, 2, 3, 3, 3, 3]) ; inp.groupby(inp).cumcount()%2+inp%2*2

mozway 30.07.2024 11:45
Ответ принят как подходящий

Другая возможность — создать background_gradient с пользовательской ListedColormap :

from operator import itemgetter
from matplotlib.colors import ListedColormap

colors = {"y": ["#fff2cc", "#ffe59a"], "b": ["#d0e1e2", "#a2c4c9"]}
cmap = ListedColormap(colors["y"] + colors["b"])
ng = df.groupby(["person", "z"], sort=False).ngroup()
gmap = ng.groupby(ng).cumcount() % 2 + ng % 2 * 2 # in a mozway

border_css = {"selector": "td", "props": "border-bottom: 3px solid black;"}

st = (
    df.style.background_gradient(gmap=gmap, cmap=cmap)
    .set_table_styles(
        {
            idx: [border_css]
            for idx in map(
                itemgetter(-1),
                df.groupby("person").indices.values(),
            )
        }, axis=1,
    ).set_properties(**{"text-align": "right", "width": "110px"})
     .hide(axis=0)
)

Другие вопросы по теме