Сделайте сопоставление цветов градиента в указанном столбце в Pandas
Давайте посмотрим, как применить градиентное цветовое сопоставление для определенных столбцов фрейма данных Pandas. Мы можем сделать это с помощью функции Styler.background_gradient () класса Styler.
Syntax : Styler.background_gradient(cmap=’PuBu’, low=0, high=0, axis=0, subset=None)
Parameters :
cmap : str or colormap (matplotlib colormap)
low, high : float (compress the range by these values.)
axis : int or str (1 or ‘columns’ for colunwise, 0 or ‘index’ for rowwise)
subset : IndexSlice (a valid slice for data to limit the style application to)
Returns : self
Подход :
- Модуль импорта Pandas
- Создать DataFrame
- Выбирайте конкретный столбец с умом с помощью функции style.background_gradient ()
- Отобразить DataFrame
Разберемся на примерах:
Пример 1:
Create a DataFrame and gradient all the columns.
Python3
# importing pandas moduleimport pandas as pd # Creating pandas DataFramedf = pd.DataFrame({"A": [1, 2, -3, 4, -5, 6], "B": [3, -5, -6, 7, 3, -2], "C": [-4, 5, 6, -7, 5, 4], "D": [34, 5, 32, -3, -56, -54]}) # Displaying the original DataFrameprint("Original Array : ")print(df) # backgroung color mappingprint("
Dataframe - Gradient color:")df.style.background_gradient() |
Выход :
Пример 2:
Create a DataFrame and gradient the specific columns
Python3
# importing pandas moduleimport pandas as pd # Creating pandas DataFramedf = pd.DataFrame({"A": [1, 2, -3, 4, -5, 6], "B": [3, -5, -6, 7, 3, -2], "C": [-4, 5, 6, -7, 5, 4], "D": [34, 5, 32, -3, -56, -54]}) # Displaying the original DataFrameprint("Original Array : ")print(df) # backgroung color mappingprint("
Dataframe - Gradient color:") # df.style.background_gradient()df.style.background_gradient(subset="B") |
Выход :
If you want to change another column then
Python3
df.style.background_gradient(subset="D") |
Выход :
,
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.