excel 数据相关性分析（让你摆脱）

转载说明：原创不易，未经授权，谢绝任何形式的转载

用pandas Styler API轻松实现数据可视化

Midjourney 创作，数据分析大师

使用过Excel的数据分析师，大多会对Excel的“条件格式”功能留下深刻的印象。下面的演示展示了如何使用规则来突出显示单元格。规则是“查找所有销售值大于50000的单元格，并将这些单元格填充为红色”。

问题是，Python是否可以像Excel一样具有相似的数据可视化能力，用于我们的数据分析和挖掘？答案是“绝对可以”！在本文中，我将向您介绍Pandas Dataframe中的多条件格式化功能和各种呈现风格。

我们使用一个简单的数据集，其中包含了从2014年到2022年各种电子产品的销售数据。在运行以下Python代码后，您将看到一个Pandas透视表，展示了我编造的数据。

import Pandas as pd data = pd.read_excel('sales-demo-dataset.xlsx') df_pivoted = pd.pivot_table(data, index='Year') df_pivoted

您能否找出2017年最畅销的产品是什么？

当然，您可以通过手动观察或使用Pandas的条件语句快速知道“Touchpad”是我们正在寻找的产品，但是仍然很难在原始表格上将其突出显示。

如果我们能够为每年最畅销的产品标记一些颜色，那么这些问题会不会更容易回答呢？

在本文中，我们将介绍以下高级功能：

1. 突出显示具有null值的单元格
2. 突出显示具有最大/最小值的单元格
3. 突出显示处于值范围内的单元格
4. 在单元格内绘制条形图
5. 使用颜色渐变突出显示值

同时运行多个突出显示规则 让我们开始吧！

在Pandas Dataframe中，我们可以使用dataframe.style.highlight_null()将nan值着色。在下面的表格中，我们突出显示了透视表df_pivoted中具有缺失值的单元格。

df_pivoted.style.highlight_null()

您可能会注意到，使用.highlight_null默认将缺失值突出显示为红色。不喜欢红色？没关系，颜色是可以改变的！

我们可以使用参数来设置缺失值的文本和背景。例如，props ='color:white;background-color:black'可以将背景颜色设置为黑色，文本设置为白色，如下图所示：

df_pivoted.style.highlight_null(props='color:white;background-color:bl

通过突出显示，我们可以快速在表格中找到“charger”在2021年未销售。

要突出显示每列中的最大值，我们可以使用dataframe.style.highlight_max()来着色最大值，结果如下图所示。

df_pivoted.style.highlight_max(props='color:white;background-color:green')

那么，如果我们想要突出显示每行的最大值怎么办？我们可以通过设置参数axis = 1来实现，如下图所示。

df_pivoted.style.highlight_max(props='color:white;background-color:green', axis=1)

请注意，使用带有适当参数的dataframe.style.highlight_min()方法可以突出显示最小单元格。

假设我们想要突出显示100到200之间的值，该如何实现？

我们可以使用方法dataframe.style.highlight_between(left，right)。如下图所示，100到200之间的数字用黄色背景色填充。

df_pivoted.style.highlight_between(left=100, right=200, props='color:black;background-color:yellow')

图表直观而且酷炫！我们能否将这些风格带入Pandas中呢？当然可以。以条形图为例，可以通过dataframe.style.bar()创建条形图，以更直观地显示值的大小。如下图所示，红色柱的长度对应于单元格中值的大小。

您还可以自定义条形图的颜色和大小。如下图所示，设置了颜色、宽度和高度等参数。

df_pivoted.style.bar(color='lightblue',height=70,width=70)

我们还可以使用颜色渐变来突出显示整列，使用dataframe.style.background_gradient()实现。下表显示，随着值的增加，颜色从红色变为绿色。您可以设置subset = None将此显示效果应用于整个Dataframe。

df_pivoted.style.background_gradient(cmap='RdYlGn',subset=['Product_C'])

RdYlGn是一个colormap（颜色映射表）的名称，表示红-黄-绿色彩的渐变。Rd代表红色（Red），Yl代表黄色（Yellow），Gn代表绿色（Green）。它是一种常用于数据可视化中的颜色映射表，通常用于表示正负值的范围，红色表示负值，绿色表示正值，中间的黄色则表示接近于零的值。

是否可能同时突出显示表格中的最小值、最大值和缺失值？

可以定义一个函数来突出显示列中的最小值、最大值和nan值。在下面的示例中，除了突出显示PC列之外，我们可以将subset = None设置为将其应用于整个Dataframe。

def highlight_dataframe(df, subset= None): df = df.style.highlight_max(props='color:white;background-color:green', subset=subset) \ .highlight_min(props='color:white;background-color:red', subset=subset) \ .highlight_null(props='color:white;background-color:black', subset=subset) return df

在Pandas styler API的文档中，您可以找到更多功能，可以丰富您在研究工作中的数据可视化。

今天的分享就到这里，感谢你的阅读，希望能够帮助到你，文章创作不易，如果你喜欢我的分享，别忘了点赞转发，让更多有需要的人看到，最后别忘记关注「前端达人」，你的支持将是我分享最大的动力，后续我会持续输出更多内容，敬请期待。

原文：https://medium.com/gitconnected/lets-throw-excel-away-by-using-pandas-styler-api-e6e505604265

作者：Yeyu Huang

非直接翻译，有自行改编和添加部分，翻译水平有限，难免有疏漏，欢迎指正