如何在 Python 中突出显示 pandas 数据框中的分类变量？

Question

我有一个名为 value_matrix_classification 的 pandas 数据框，如下所示：

{('wind_on_share',
  'Wind-onshore power generation'): {('AIM/CGE 2.0',
   'ADVANCE_2020_WB2C'): 'high', ('AIM/CGE 2.0',
   'ADVANCE_2030_Price1.5C'): 'high', ('AIM/CGE 2.0',
   'ADVANCE_2030_WB2C'): 'high', ('IMAGE 3.0.1',
   'ADVANCE_2020_WB2C'): 'low', ('IMAGE 3.0.1',
   'ADVANCE_2030_WB2C'): 'low', ('MESSAGE-GLOBIOM 1.0',
   'ADVANCE_2020_WB2C'): 'low'},
 ('wind_off_share',
  'Wind-offshore power generation'): {('AIM/CGE 2.0',
   'ADVANCE_2020_WB2C'): nan, ('AIM/CGE 2.0',
   'ADVANCE_2030_Price1.5C'): nan, ('AIM/CGE 2.0',
   'ADVANCE_2030_WB2C'): nan, ('IMAGE 3.0.1',
   'ADVANCE_2020_WB2C'): 'low', ('IMAGE 3.0.1',
   'ADVANCE_2030_WB2C'): 'low', ('MESSAGE-GLOBIOM 1.0',
   'ADVANCE_2020_WB2C'): 'low'}}

右侧的两列包含low, medium and high，它们是分类变量。我使用pd.cut(value_matrix_classification, bins = 3, labels = ["low", "medium", "high"]创建它们

我想突出显示 pandas 数据框，使高、中、低和 NaN 值分别有红色、橙色、黄色和背景色。

我写了以下函数

def highlight_cells(x):
    if x == "high":
        color = "red"
    elif x=="medium":
        color = "orange"
    elif x=="low":
        color = "yellow"
    else:
        color = "gray"
    
    return [f"background-color: {color}"]

并将其应用于数据框

value_matrix_classification.style.apply(highlight_cells)

然而，这给出了 ValueError: the truth value of a Series is ambiguous。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。在这里突出显示的合适方法是什么？

我能够仅使用突出显示具有空值的单元格

value_matrix_classification.style.highlight_null(null_color = "gray")

我在这里附上屏幕截图只是为了方便读者。

如何根据给定的类别突出显示所有单元格：低、中和高？

Answer 1

apply 将整行或整列作为输入。请改用applymap。

见this Pandas documentation section。

编辑：您还希望 highlight_cells 仅返回 f"background-color: {color}"，而不是包含在列表中。

Answer 2

Series.map + fillna 为每列创建一系列样式是解决此类问题的更常见方法：

def highlight_cells(x):
    return 'background-color: ' + x.map(
        # Associate Values to a given colour code
        {'high': 'red', 'medium': 'orange', 'low': 'yellow'}
    ).fillna('gray')  # Fill unmapped values with default


value_matrix_classification.style.apply(highlight_cells)

---

每一列都映射到一组新的颜色代码。

这是仅使用第二列作为参考来确定样式的方式，但Styler.apply 将调用子集中的所有列：

value_matrix_classification.iloc[:, 1].map(
    {'high': 'red', 'medium': 'orange', 'low': 'yellow'}
)

AIM/CGE 2.0          ADVANCE_2020_WB2C            NaN
                     ADVANCE_2030_Price1.5C       NaN
                     ADVANCE_2030_WB2C            NaN
IMAGE 3.0.1          ADVANCE_2020_WB2C         yellow
                     ADVANCE_2030_WB2C         yellow
MESSAGE-GLOBIOM 1.0  ADVANCE_2020_WB2C         yellow
Name: (wind_off_share, Wind-offshore power generation), dtype: object

然后fillna 用于将未映射的值替换为默认值。请注意，这不是 NaN repr，而是映射字典中未出现的 any 值的默认值：

value_matrix_classification.iloc[:, 1].map(
    {'high': 'red', 'medium': 'orange', 'low': 'yellow'}
).fillna('gray')

AIM/CGE 2.0          ADVANCE_2020_WB2C           gray  # NaN replaced with gray
                     ADVANCE_2030_Price1.5C      gray
                     ADVANCE_2030_WB2C           gray
IMAGE 3.0.1          ADVANCE_2020_WB2C         yellow
                     ADVANCE_2030_WB2C         yellow
MESSAGE-GLOBIOM 1.0  ADVANCE_2020_WB2C         yellow
Name: (wind_off_share, Wind-offshore power generation), dtype: object

最后，添加 css 属性：

'background-color: ' + value_matrix_classification.iloc[:, 1].map(
    {'high': 'red', 'medium': 'orange', 'low': 'yellow'}
).fillna('gray')

AIM/CGE 2.0          ADVANCE_2020_WB2C           background-color: gray  # valid css style
                     ADVANCE_2030_Price1.5C      background-color: gray
                     ADVANCE_2030_WB2C           background-color: gray
IMAGE 3.0.1          ADVANCE_2020_WB2C         background-color: yellow
                     ADVANCE_2030_WB2C         background-color: yellow
MESSAGE-GLOBIOM 1.0  ADVANCE_2020_WB2C         background-color: yellow
Name: (wind_off_share, Wind-offshore power generation), dtype: object

Answer 3

要添加更多细节，假设您有

np.random.seed(0)
df = pd.DataFrame(np.random.randn(4,2), columns=list('AB'))

>>> df

   A         B
0 -0.686760 -0.791461
1 -0.497699 -1.287310
2  0.793787  0.525824
3  0.501172  1.695914

为了了解发生了什么，我们将列与 value=0.2 进行比较。返回一列布尔值。 and, or, not, if, while 也是如此。当您有多个条件时，您将返回多个列。

>>> df.B > 0.2

0     True
1     True
2    False
3    False
Name: B, dtype: bool

现在我们来比较一下

 if df.B > 0.2:
   print("do something")

 >>> ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

上面的比较等于下面的情况，不清楚结果应该是什么。应该是True，因为它不是零长度吗？ False 因为有 False 值？目前还不清楚，因此，pandas 会引发 ValueError：

if Series([True, True, False, False]) > 0.2:
     print("do something")

因此我们需要将这些多个值转换为一个布尔值，具体取决于我们想要做什么。

if pd.Series([True, True, False, False]).any(): # evaluates to True
   print("I checked if there was any True value in the Series!)

>>> I checked if there was any True value in the Series!

if pd.Series([True, True, False, False]).all(): # Evaluates to False
   print("I checked if there were all True values in the Series!")