pandas スタイル・フォーマット

投稿者: | 2021-12-14
0件のコメント 
メモ：

TODO: Seriesに対して桁区切りとかはできるのか？

# %の列を追加
df['件数_%'] = df['顧客コード'] / df['顧客コード'].sum()
# 列名を変更
df.rename(columns={'顧客コード':'件数'}, inplace=True)
# 表記を%へ
df.style.format({'件数': '{:,}', '売上': '{:,}', '件数_%': '{:.1%}'})

目次

まとめ

型はそのまま、見た目だけ変える（style）

  • df.style.ビルトイン
  • df.style.applymap(fn)
  • df.style.apply(fn)
  • df.style.format()

型そのものを変える

  • df.applymap(fn)
  • df.apply(fn)

参考HP：pandas-テーブルの表示をカスタマイズする方法

基本形

‘{:〜}’.format()

# 3桁区切り
'{:,}'.format(1234567)
# >'1,234,567'
# 小数点2桁（丸まり方に一応注意）
'{:.2f}'.format(1234567.89012)
# >'1234567.89'
# 3桁区切り ＆ 小数点2桁
'{:,.2f}'.format(1234567.89012)
# >'1,234,567.89'

型はそのまま、見た目だけ変える（style）

# サンプルDF作成 
import numpy as np
import pandas as pd

df = pd.DataFrame([[11, None, 15, 4, 5],[2000, 12, 10, 8, 16],
        [17, 2400, 14, 13.4589, 23],[19, 6, 1800, None, 7],[3, 9, 20, 21, 1001.125],],
    index=["a", "b", "c", "d", "e"],
    columns=["A", "B", "C", "D", "E"])
df

df.style.format()

  • これが使いやすい！
# すべてintまたはfloatであれば、全体へ１つの型を適用できる
df.style.format('{:,}') # 3桁区切り
df.style.format('{:.2f}') # 小数点2位（丸まり方は注意）

# ただし、複数の型が混在すると個別の適用はできない（以下図）
df.style.format('{:,.2f}')

すべてint・float型であれば

文字列が含まれる場合

# 以下DFの場合、文字列が含まれるため上記の方法ではエラーになる
df = pd.DataFrame([['みかん',1100,1200.0526],
　　['りんご',2100,-22000.02568]], columns = ["くだもの", "列B", "列C"])

# 列ごとにフォーマットを適用すれば可能
df.style.format({'列B': '{:,}', '列C': '{:,.1f}'})

文字列を含む & 列が多い場合

  • df.select_dtypes(include={int}).columns でint型のカラム名を取り出す
  • include={int, float} と複数指定も可能
  • 以下では関数にしている
def style(df):  
    d = {}
    for c_name in df.select_dtypes(include={int}).columns:
        d[c_name] = '{:,}'
    for c_name in df.select_dtypes(include={float}).columns:
        d[c_name] = '{:,.2f}'
    print(d)
    style = (
        df.style.format(d) 
          .highlight_null()) # + NaN強調
    return style

style(df)

df.style.ビルトイン

欠損値を強調

df.style.highlight_null()
df.style.highlight_null(null_color='yellow')

複数の変更を適用する

# 複数の変更を適用する場合は、メソッドチェーンにて.
style = (
    df.style.highlight_null(null_color='yellow')
    .highlight_min(color="pink")
    .highlight_max(color="lime")
)

style

列ごとに最小値を強調

#デフォルトでは列で適用する
df.style.highlight_min(color='pink')

行ごとに最小値を強調

# 適用を行にした場合（axis=1）
df.style.highlight_min(color='pink', axis=1)

特定の列のみに適用する

# デフォルトでは列で適用する（列B、Eのみ）
df.style.highlight_min(color='pink', subset=['B','E'])

その他のビルトイン

https://pandas.pydata.org/pandas-docs/stable/reference/style.html#builtin-styles

df.style.applymap(fn)

  • df.style.applymap(fn)
  • 戻り値：「color:〜」（CSS）
  • 各要素の値だけで判断できる場合はapplymap()を利用する
  • 例）値が60点未満かどうか、セルがnullかどうか、など
  • スタイル関数の参照先：要素

サンプルデータ作成

data = {
    'Aさん':[75,55,80,90],
    'Bさん':[80,80,90,30],
    'Cさん':[95,70,85,70],
}

df = pd.DataFrame(data, index = ['国語','数学','理科','社会'])
df

赤点を赤文字で表示

def akaten(val):
    color = 'red' if val < 60 else 'black'
    return f'color: {color}'

# dfにスタイル適用
df.style.applymap(akaten)

欠損値のセル文字と背景を変更

# NaNのセル文字列・背景色を変更

df2 = df
df2.iloc[1,2] = np.nan

def fill_nan(val):
    bg_color = 'silver' if pd.isnull(val) else 'None'
    color = 'white' if pd.isnull(val) else 'black'
    return f'background-color: {bg_color}; color:{color}'

df2.style.applymap(fill_nan)

マイナス値の文字色を変更

def color_nagative(v, color):
    return f'color: {color};' if v < 0 else None

df3 = pd.DataFrame(np.random.randn(3,3), columns=list('ABC'))
df3.style.applymap(color_nagative, color='red')

特定の列のみに適用する2

df3.style.applymap(color_nagative, color='red', subset=['A', 'C'])

他の事例

def is4(val):
  if val == 4:
    bg_color = 'red'
    color = 'white'
    return f'background-color:{bg_color}; color:{color}'
  else:
    pass

df.style.applymap(is4)

df.style.apply(fn)

  • df.style.apply(fn)
  • 戻り値：「color:〜」（CSS）
  • 他の要素も含めて判断する必要がある場合はapply()を利用する
  • 例）全ての行で一番大きい値の背景色を変える、dfの最大値、など
  • スタイル関数の参照先：行、列、DF

サンプルデータ作成

df4 = pd.DataFrame(np.random.randn(3,3), columns=list('ABC'))

def highlight_max(x, color):
    return np.where(x == np.nanmax(x.to_numpy()),
                    f'color: {color};', None)

df4.style.apply(highlight_max, color='red')

最大値を赤文字に変更

df5 = pd.DataFrame(np.random.randn(3,3), columns=list('ABC'))

def highlight_max(x, color):
    return np.where(x == np.nanmax(x.to_numpy()),
                    
                    f'color: {color};', None)

df5.style.apply(highlight_max, color='red')

スタイルをクリアする

style = df.style.background_gradient()
display(style)

style.clear()
カテゴリー: 未分類